一种抗行人干扰的车辆重识别算法

摘要

车辆重识别是实现车辆跟踪的基础，然而，行人干扰会显著影响车辆特征的提取，进而降低车辆重识别的准确性和精度。针对这一问题，提出一种名为轨迹优化与背景抑制的车辆重识别算法TRaBS。首先，使用ResNeXt101-IBN-a网络对车辆图像进行特征提取，得到车辆初始特征，同时应用背景抑制算法对摄像头画面进行特征计算，生成经过背景抑制处理的车辆特征；其次，为了降低行人对特征提取的干扰，采用欧几里得距离和高斯核函数，将车辆图像特征替换为更加稳定的轨迹特征，通过这些技术，TRaBS算法有效解决了车辆重识别中的行人干扰问题；最后，为全面验证TRaBS算法在应对行人干扰方面的有效性以及在无干扰环境下的通用性，设计并进行了对比实验与消融实验。实验结果表明：融合轨迹优化与背景抑制算法的车辆重识别模型在基准数据集以及引入行人干扰的衍生数据集上均取得了显著的效果。在VeRi-776数据集上，平均精度均值mAP达到了83.6%,Rank-1准确率达到了97.6%,显著优于现有方法。

关键词

车辆重识别 / 行人干扰 / 轨迹优化 / 背景抑制 / 特征提取