车辆再识别技术综述

刘凯,李浥东,林伟鹏

A survey on vehicle re-identification

Kai LIU,Yidong LI,Weipeng LIN

表1 车辆再识别方法的分类情况

分类依据 方法类别 参考文献 优点 缺点 实现方式 基于传感器的方法 参考文献[11-21]等 不需要训练学习 复现难度高；识别率低；需要大量硬件 基于人工设计特征的方法 参考文献[22-33]等 不依赖特殊硬件；可解释性强 时间复杂度高；受光照变化、视角变化和遮挡的影响较大 基于深度学习的方法 参考文献[34-68]等 识别率高；实时性强；可以解决光照变化、视角变化和遮挡问题 训练学习时间长；特征抽象，可解释性差 解决车辆再识别问题的着手点 利用多维度信息的方法 参考文献[39-48]等 对车辆特殊外观敏感 容易误判辨识性区域；易受视角、光照变化影响 基于度量学习的方法 参考文献[49-54]等 识别率高；对难样本的识别效果好 训练学习时间长 解决视角变化引起的外观偏差 参考文献[55-58]等 对车辆的视角变化有鲁棒性；识别率高 训练学习时间长；系统实时性难以得到保证 利用时序地理信息的方法 参考文献[59]等 对难样本的识别效果好；方法新颖 需要车辆时序和位置标签；对数据集要求高 是否需要车辆身份标签 有监督学习方法 参考文献[34-65]等 识别率高；符合发展潮流；在不同数据集下的泛化能力强 训练学习时间长；需要大型数据集支持 无监督学习方法 参考文献[66-68]等 无需人工标注；符合实际需求；拓展性强 识别率较低；时间复杂度高