一种用于视频监控网络的新型车辆搜索系统 - 安防知识网 - 资讯

在测试中，PVSS获得了显着的成果，优于所有仅仅外观的搜索方法和与之相比的多模态方法。

JD AI Research和北京大学的一组研究人员最近开发了一种用于视频监控网络的渐进式车辆搜索系统，称为PVSS。他们的系统在预先公布在arXiv上的一篇论文中提出，可以有效地搜索出现在监控录像中的特定车辆。

渐进式车辆搜索系统的架构。图片来源：Liu等

　　车辆搜索系统可以有许多有用的应用，包括实现更智能的运输和自动监控。例如，这样的系统可以允许用户输入查询车辆，搜索区域和时间间隔，以在白天的不同时间找出车辆所处的位置。

　　现有的车辆搜索方法通常假设所有车辆图像都是从监视视频中很好地裁剪，使用视觉属性或车牌号来识别这些图像内的目标车辆。这些方法主要关注基于内容的车辆匹配，也称为车辆重新识别(Re-Id)。

　　近年来，手工描述符和卷积神经网络(CNN)极大地增强了这些方法。尽管如此，由于不同摄像机的实例内变化和类似车辆之间的实例间差异，仅基于属性识别特定车辆可能是非常具有挑战性的任务。在某些情况下，由于低分辨率和噪音，车牌也可能在监控图像中被误识别。

　　“一个完整的车辆搜索系统应该考虑车辆检测，表示，索引，存储，匹配等问题，”研究人员在他们的论文中解释道。“此外，由于不同摄像机的内部变化和极不确定的环境，基于属性的搜索无法准确找到同一车辆。”

　　PVSS是研究人员开发的渐进式车辆搜索系统，它解决了当前方法的局限性。该系统由三个关键模块组成：车辆数据爬行器，基于多粒度特征的车辆索引器和渐进式车辆搜索器。

　　“为了保证搜索过程中的高精度和高效率，我们为车辆搜索系统设计了一系列数据结构，”研究人员在他们的论文中写道。“在爬行器中，不仅可以从监控网络中提取视觉内容，还可以提取上下文信息。然后，基于深度学习的模型利用多模态数据来获得车辆的辨别力和稳健性，然后由多层次组织。在搜索过程中，以渐进的方式搜索车辆，包括特征域中的从粗到精的搜索和在物理空间中的从近到远的搜索。

　　本质上，车辆爬行器组件检测并跟踪监控视频中的车辆，将捕获的车辆图像、元数据和其他上下文信息传输到云或服务器。随后，车辆索引器组件提取并索引车辆的多粒度属性，例如视觉特征和车牌指纹。

　　然后将包括输入车辆图像以及感兴趣的时间范围和空间范围的查询馈送到车辆搜索器组件，该车辆搜索器组件逐渐搜索图像数据库中的车辆。

　　研究人员在VeRi数据集上评估了他们的渐进式车辆搜索系统，该数据集包含从实际环境中的20个监控摄像头收集的50,000多张图像。在这些测试中，PVSS获得了显着的成果，优于所有仅仅外观的搜索方法和与之相比的多模态方法。

　　研究人员在他们的论文中写道：“对从现实监测网络收集的大规模车辆搜索数据集进行的大量实验显示了所提出系统的最新结果。”

注：本文由编译自外网