[發明專利]基于視覺表征跨傳感器不變性的車輛重識別方法

在審

• 申請號: 202111096413.0
• 申請日: 2021-09-17
• 公開（公告）號: CN113792686A
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 李海峰;白建東;黃威;陳力
• 申請（專利權）人: 中南大學;中國人民解放軍63921部隊
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 長沙大珂知識產權代理事務所(普通合伙) 43236
• 代理人: 伍志祥

本發明公開了基于視覺表征跨傳感器不變性的車輛重識別方法，包括步驟：獲取遙感圖像，依次輸入神經網絡的第一卷積層、第二卷積層、關系感知的全局注意力模塊、第三卷積層、關系感知的全局注意力模塊和第四卷積層；第四卷積層將處理結果依次輸入關系感知的全局注意力模塊、第五卷積層、關系感知的全局注意力模塊和BNNECK，還依次輸入全尺度模塊、全尺度模塊和BNNECK；本發明從局部和全局兩個角度區分車輛，緩解視角變化帶來的影響，獲取判別性更高的局部特征；全尺度分支通過四個不同大小的感受野對不同尺度的特征進行融合，獲取判別性最高的特征組合，本發明在數據集上取得了令人滿意的表現。

技術領域

本發明屬于車輛識別技術領域，尤其涉及基于視覺表征跨傳感器不變性的車輛重識別方法。

背景技術

遙感圖像視覺表征的跨傳感器不變性即在多傳感器感影像數據中不隨傳感器變化的特征。通過捕捉多傳感器遙感影像數據中不隨傳感器變化的特征，可以提高多種遙感應用技術的服務。受限于實驗數據和設施，本章通過遙感圖像的重識別問題說明提取不隨傳感器變化的特征將有效地提升重識別精度。

利用視覺信息的重識別任務就是從不同的攝像機網絡捕捉到的圖像中識別目標。重識別任務可以分為行人重識別和車輛重識別兩種。車輛重識別作為跨傳感器追蹤任務中的一個重要研究方向，其目的是將目標車輛將車輛圖像與已經捕獲的車輛圖像進行匹配，來確定車輛的從屬。

當前車輛重識別任務存在的兩個主要問題就是視角變化和尺度變化。同一車輛目標在不同的成像視角下形態相差很大。在不同的尺度下，車輛數據提供的信息也不盡相同。

發明內容

隨著無人機技術的發展，無人機遙感攝像技術已經成為了智能交通領域的一個重要的數據獲取途徑。無人機視角下的車輛重識別任務也受到了越來越來多的關注。跨傳感器追蹤任務一直是遙感研究領域的一個重要研究任務，一個重要的思路就是通過挖掘具有跨傳感器不變性的特征進行判別。車輛重識別作為跨傳感器追蹤任務中的一個重要應用，其根本思想是捕捉具有跨傳感器不變性的特征。因此可以用無人機視角下的車輛重識別任務探究遙感圖像視覺表征跨傳感器不變性。無人機視角下的車輛重識別任務的關鍵點在于提取圖片中不隨角度變化和尺度變化的特征。有鑒于此，本發明提出了基于視覺表征跨傳感器不變性的車輛重識別方法(GASNet)，重點考慮了無人機視角下的車輛重識別任務存在的最主要的兩個問題，即豐富的視角變化和尺度變化，通過在網絡中引入全局關系感知的注意力機制捕獲具有全局信息的局部特征，這種局部特征對于視角變化有很好的魯棒性。通過一個全尺度分支關聯同尺度或不同尺度的特征以便找到特征區分度最大的組合，全尺度分支對不同尺度的車輛圖片有很好的魯棒性。GASNet在VRU數據集上取得了令人滿意的表現。

本發明公開的基于視覺表征跨傳感器不變性的車輛重識別方法，包括以下步驟：

獲取遙感圖像，依次輸入神經網絡的第一卷積層、第二卷積層、第一關系感知的全局注意力模塊、第三卷積層、第二關系感知的全局注意力模塊和第四卷積層；

所述第四卷積層將處理結果依次輸入第三關系感知的全局注意力模塊、第五卷積層、第四關系感知的全局注意力模塊和第一BNNECK，所述第四卷積層還將處理結果依次輸入第一全尺度模塊、第二全尺度模塊和第二BNNECK；

其中所述第一關系感知的全局注意力模塊、第二關系感知的全局注意力模塊、第三關系感知的全局注意力模塊和第四關系感知的全局注意力模塊生成具有全局感知的空間注意力權重和具有全局信息的通道注意力權重，所述第一全尺度模塊和第二全尺度模塊根據輸入圖像的特性分配不同的權重給不同尺度的圖像特征，所述第一BNNECK和第二BNNECK分別輸出ID損失函數和三元組損失函數；

將訓練后的圖像特征進行車輛重識別。

進一步地，所述第一關系感知的全局注意力模塊、第二關系感知的全局注意力模塊、第三關系感知的全局注意力模塊和第四關系感知的全局注意力模塊由全局感知的空間注意力機制和全局感知的通道注意力機制組成。