刘晗煜，黄宏恩，郑世宝

(上海交通大学，上海 201100)

随着计算机视觉技术的快速发展，车辆重识别作为其中一项基础任务，在智能交通及城市监控系统等领域得到了广泛应用。这项任务旨在从图库(Gallery)中检索出与查询图(Query)属于同一辆车的图片，流程如图1所示。该任务首先提取图片特征，然后计算特征间相似性度量，最后根据相似性排序，从图库中召回与查询图相似性高的图片。需要注意的是，图库中的图片往往取自放置在不同视角的多个摄像机，这意味着图库中同一车辆在不同的图片上会呈现较大的外观差异，给这项任务带来了巨大的挑战。

图1 车辆重识别任务流程图

总体上，通过计算机视觉技术实现车辆重识别的主流方法可以大致分为基于手工特征的方法和基于深度特征的方法。

基于手工特征的方法是早期这项任务中使用最广泛的方法。手工特征是指人为设计的特征，它的每一维度都具有特定的含义，代表了图像中的某一具体属性。在这类方法中，外观描述符常常被用于实现车辆重识别任务。例如,Woesler[1]利用了车顶的颜色信息；Watcharapinchai等[2]提出了基于车牌号的车辆重识别方法。然而，由于摄像头分辨率、光照、视角和遮挡等因素，颜色和车牌号等特殊信息有时也难以准确获得。因此，基于手工特征的方法往往具有局限性。

近年来，深度学习在计算机视觉中表现出明显的优异性，并成功应用于人脸识别、行为识别和行人及车辆重识别等多项任务。……