计算机工程与科学

作者：康宇, 史珂豪, 陈佳艺, 曹洋, 许镇义,

单位：（1.合肥综合性国家科学中心人工智能研究院,安徽 合肥 230088；2.安徽省工业互联网智能应用与安全工程研究中心，安徽 马鞍山 243023；3.中国科学技术大学信息科学技术学院,安徽 合肥 230026）

关键词：跨摄像头,黑烟车重定位,度量学习,

基金：国家自然科学基金（62033012,62103124）；安徽省重大科技专项（202003a07020009）；宿迁学院京东学院开放基金(2022JDXM14)；安徽省工业互联网智能应用与安全工程研究中心开放基金(IASII22-03)

近年来，我国柴油车尾气排放污染日趋严重。为了改善大气环境，需要对排放黑烟的柴油车进行监测。然而，在城市交通道路场景下，黑烟柴油车检测经常由于车辆间相互遮挡等因素，难以通过后向视频确定黑烟柴油车身份。此外，柴油车重定位相关数据的严重不足导致数据局限性较大。针对以上问题，提出了一种跨摄像头场景下的黑烟柴油车重定位方法。该方法通过引入IBN模块构建特征提取网络，提升网络模型对柴油车图像外观变化的适应性。然后，设计基于豪斯多夫距离度量学习的损失函数对特征差异性进行度量，在优化过程中增加类间距离并降低遮挡样本的影响。最后，构建了多种场景下的柴油车重定位基准数据集，并在该数据集上对所提出的方法进行实验。实验结果表明，所提出的方法取得了83.79%的相对精度，具有较高准确率。

来源：2024年第7期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第7期