基于特征鲁棒性增强的多摄像头下车辆识别方法

由于多摄像头下的视角变化、复杂环境和姿态差异等因素，同一辆车在不同场景下的图像表现出巨大的外观歧义性，为车辆的身份匹配带来了挑战。为解决这一难题，在transformer框架下提出了一种面向车辆识别的特征鲁棒性增强的方法。基于车辆结构信息是多个摄像头下域不变的信息，设计了一种轮廓特征引导增强结构信息的模块，并提出了一种结构特征感知损失来促进模型对结构信息的融合；通过将车辆的属性信息作为矢量嵌入到transformer框架中，进一步缓解多视角下车辆姿态改变带来的影响。实验结果表明，所提方法在数据集VeRi-776和VehicleID上均展现出对比同类方法的优越性与更好的识别效果。