窦鑫泽，盛浩，*，吕凯，刘洋，张洋，吴玉彬，柯韦

（1.北京航空航天大学 计算机学院 软件开发环境国家重点实验室，北京 100083；2.北京航空航天大学 大数据与脑机智能高精尖创新中心，北京 100083；3.澳门理工学院 应用科学高等学校，澳门 999078）

随着监控系统智能化需求［1-2］的发展，重识别问题获得了越来越多的关注［3］。车辆重识别算法能够应用在车辆识别、追踪和定位等众多难点问题上，进一步提升公安监控系统的安全性和可靠性。车辆重识别所针对的问题是：如何在一个图片集合中快速、准确地找到与给定车辆图片中完全相同的车辆。车辆的角度、光照、环境、遮挡物等许多因素给车辆重识别带来了巨大的挑战。

车辆重识别在国内视频监控研究领域受到了较大关注。基于车辆的定位和照片的时间戳等信息的方法［4］能够利用额外的信息来优化车辆的重识别结果。基于重要局部特征的方法［5］能够为不同的局部设计权重，来影响最后拼接的特征向量。关注车辆方向差异的方法［6］能够在车辆图片计算距离时，根据具体的方向选择对应的全局特征。基于部件融合特征的方法［7］能够检测车窗和车脸区域，并将提取出的特征进行融合，利用融合后的特征计算距离，用来进行车辆的分类识别。基于特征融合和度量学习的方法［8］从降低车辆所处环境影响的角度出发，对图片进行特征表示，通过计算马氏距离来重识别车辆。基于特征融合的方法［9］可以对融合后的特征矩阵进行奇异值分解，提取特征值，并利用自适应调整算法来优化神经网络，提升算法鲁棒性。……