探究交通监控视频中车辆重识别技术与实现

雷文学 肖家魁

摘 要 近年来，道路交通中通行车辆迅猛增长，重大交通事故在相关部门的联合管控、现代化监控指挥、诱导体系和人们交通意识的不断提高下有所下降，但交通违法导致的轻微交通事故不断增多。在交通违法行为出现后，如何在最短时间内自动定位和识别车辆其难度较大。而车辆识别技术，作为构建智能交通的重要部分，应得到充分重视、不断优化，以此强化车辆快速检索能力与效率，在最短时间内做好车辆定位与跟踪工作，并在交通监控系统中，做好车辆重识别工作，以此为基础，做好车辆区分工作，解决交通事故快处快赔、交通事故肇事逃逸，甄别借助车辆进行的违法犯罪活动，维护交通安全，维护城市安全。

关键词 交通监控;监控视频;车辆重识别;技术与实现

为解决交通事故、多种违法范围活动，做好交通疏导工作，在当前智能化交通体系构建工作中，应做好车辆重识别工作。要想在交通监控视频中，做好车辆重识别工作，应引入先进技术，借助全新识别技术，以此为基础，在计算机技术帮助下，更好地实现车辆重识别设计等相关工作，最终维护现代交通体系安全性。

1车辆重识别研究遇到的问题

在车辆重识别工作中，受到诸多因素影响，极易导致车辆重识别工作受到较大影响。因此，在本文研究中，对可能遇到的问题进行分析，其一，未公开数据数量受限，难以统计诸多车辆信息与类型，更难以在系统中，输入百万辆数据，导致识别工作难度增大。其二，为同款类型车辆极多，此类存在问题，不仅会增大车辆识别难度，更难以区别两辆极为相近的车型[1]。其三，为视觉差异，由于交通监控，所处位置不同，或是摄像头高度与角度不同，都会导致车辆画面角度不同，同一样的车，在不同摄像角度中，存在明显差异，这些因素，都会增加识别难度。

2车辆重识别相关技术与特征识别方式

2.1 车辆重识别的相关技术

在交通监控视频中，要想做好车辆重识别工作，应深入学习相关技术，主动学习车辆重识别人工网络，并结合车辆重识别数据，做好表征学习与计算方式，进而在这一过程中做好大规模数据标记工作，引入海量节点或是神经网络，对各类数据进行分析与计算。与此同时，可以借助人工智能方式，构建车辆重识别框架，并借助计算机技术，构建车辆重识别模型。其中，应引入深度学习与开发框架，其中，以Caffe [2]学习框架为基础，此类框架，不仅程序极为稳定，其代码质量较高，在诸多环境中，都具有极强稳定性与可移植性，以此为基础，构建模块化组件，将其应用于交通视频监控工作中，不仅能进行训练，更能以此为基础，构建可深度学习框架，进而做好图片、位置、目标追踪等识别工作，将其合理应用于車辆重识别工作中，能够取得良好成果。最后，在进一步优化工作中，还应联合Tensor Flow计算库，将其安装于电脑构架中，不仅能拓展其应用范围，更能提升检索速度，有利于提升识别精准度与效率。

2.2 车辆重特征识别方式

在车辆重识别工作中，应结合车辆特征，做好诸多工作。其一，以手工识别方式为主，此种识别方式，主要为人工方式，对数据进行提炼与清晰，但是，此种数据提炼方式，其速度相对较慢，且极易受到不同因素影响。其二，为局部特征识别方式，在此项识别工作中，需要借助二值模型，以纹理运算方式为主，在数据分析与计算工作中，对不同车辆像素进行对比，并在二进制辅助下，做好数据保存与计算工作，以此满足车辆重识别要求。此类识别方式，能够应用于诸多车辆重识别场景中，并得到关键信息，不受嘈杂环境影响。但是，在车辆重识别工作中，由于计算量较大，或是识别实时性较差等因素影响，车辆重识别精准度会受到一定影响。需要结合车辆重识别具体环境，选择科学识别方式。其三，为表征识别方式，在此种识别方式中，对于摄像头变化，或是关键区域不同问题，能够进行识别。此类识别方式，能够优化以往局部识别存在的问题。随着CNN进步，表征识别方式迅速发展，并在短时间内，提取到有效识别信息，有利于降低识别误差，解决识别存在的问题。要想断完善上述识别方式，优化识别技术，使车辆重识别技术更好地实现，应探寻更多计算方式，做好设计与实现工作，最终提升交通监控检索车辆重识别有效性。

3交通监控中车辆重识别算法设计与实现策略

3.1 结合识别算法收集数据

在车辆重识别工作中，应重点关注以下两点问题。其一，为分类模型，此种识别方式，需要收集大量数据，并对数据进行分析，以此为车辆重识别数据识别先决条件，进而在大量数据辅助下，做好模型构建工作。但是，在此项工作中，如存在准确率受到影响或是泛化等问题，应结合车辆重识别方式，收集更多数据，进而做好车辆识别与检索工作，在最短时间内，借助数据分析与计算方式，提升车辆识别精准度，突破以往车辆重识别存在的问题。

3.2 多任务车辆重识别框架设计

要想强化车辆重识别有效率，在实际工作中，应以一台车辆为分类任务，将车辆部件进行共享，进而构建多任务模型，在多任务模型中，做好各类数据处理工作，进而分辨出同类车型类似部件。例如，部分车辆，其制造商、车辆型号、年份与类型，结合这些数据，构建多任务模型，在模型构建完成后，连接不同神经网络[3]，做好模型训练工作。并在这一过程中，做好车辆检索工作。

4结束语

在本文研究中，结合相关技术，构建相应识别模型，以此为基础，优化车辆重识别技术，取得最佳识别方式。进一步获取更多车辆模型特征，进而以此为核心部分，做好数据收集工作，更好地实现车辆重识别有效率，解决车辆重识别存在的问题。

参考文献

[1] 王艳芬，朱绪冉，云霄，等.面向公共安全监控的多摄像机车辆重识别[J].西安电子科技大学学报，2019，46（4）：190-196.

[2] 朱宪飞.交通系统监控环境下车辆异常行为识别算法研究[D].济南：山东大学，2018.

[3] 刘洋.交通视频监控中车辆识别与粘连车辆分割方法的研究[D].广州：华南理工大学，2012.

作者简介

雷文学（1981-），男，贵州安顺人;学历：本科，职称：中级职称，现就职单位：贵州省安顺市公安交通管理局，研究方向：交通监控与指挥。