基于度量学习的跨摄像头运动目标重定位方法研究
Transversal cameras relocation for moving object based on metric learning作者机构:合肥综合性国家科学中心人工智能研究院安徽合肥230088 安徽省工业互联网智能应用与安全工程研究中心安徽马鞍山243023 中国科学技术大学信息科学技术学院安徽合肥230026
出 版 物:《计算机工程与科学》 (Computer Engineering & Science)
年 卷 期:2024年第46卷第7期
页 面:1256-1268页
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:国家自然科学基金(62033012,62103124) 安徽省重大科技专项(202003a07020009) 宿迁学院京东学院开放基金(2022JDXM14) 安徽省工业互联网智能应用与安全工程研究中心开放基金(IASII22-03)
摘 要:近年来,我国柴油车尾气排放污染日趋严重。为了改善大气环境,需要对排放黑烟的柴油车进行监测。然而,在城市交通道路场景下,黑烟柴油车检测经常由于车辆间相互遮挡等因素,难以通过后向视频确定黑烟柴油车身份。此外,柴油车重定位相关数据的严重不足导致数据局限性较大。针对以上问题,提出了一种跨摄像头场景下的黑烟柴油车重定位方法。该方法通过引入IBN模块构建特征提取网络,提升网络模型对柴油车图像外观变化的适应性。然后,设计基于豪斯多夫距离度量学习的损失函数对特征差异性进行度量,在优化过程中增加类间距离并降低遮挡样本的影响。最后,构建了多种场景下的柴油车重定位基准数据集,并在该数据集上对所提出的方法进行实验。实验结果表明,所提出的方法取得了83.79%的相对精度,具有较高准确率。