基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法.首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域.根据车标扩散区域的高区分度特性,提升局部区域的置信度.使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量.然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数.最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离.在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性.