Vision-based Vehicle Re-identification in Bridge Scenario using Flock Similarity

要約

道路交通流の監視と公共の安全管理のニーズにより、ビデオ監視カメラが都市部の道路に広く設置されています。
しかし、各カメラから直接取得した情報はサイロ化されているため、効果的に使用することが困難です。
車両の再識別とは、あるカメラの下に映る車両を別のカメラで見つけることを指し、複数のカメラで捉えた情報を相互に関連付けることができます。
ナンバー プレートの認識は一部のアプリケーションでは重要な役割を果たしますが、車両の外観に基づく再識別方法の方が適しているシナリオもいくつかあります。
主な課題は、車両の外観データがクラス間での類似性が高く、クラス内での差異が大きいという特徴があることです。
したがって、車両の外観情報のみに頼って車両を正確に区別することは困難である。
このとき、時空間情報などの追加情報を導入する必要がある場合が多い。
それにもかかわらず、橋のシナリオで 2 つの隣接するカメラを通過するときに車両の相対位置が変化することはほとんどありません。
本稿では、対象車両に隣接する車両情報を活用することで車両再識別の精度を向上させる、群類似性に基づく車両再識別手法を提案する。
車両の相対位置が変化せず、群れのサイズが適切な場合、実験では VeRi データセットで平均 204% の相対的改善が得られました。
次に、車両が 2 つのカメラを通過するときの車両の相対位置変化の大きさの影響について議論します。
違いを定量化し、それらの間の関連性を確立するために使用できる 2 つの指標を示します。
この仮定は橋のシナリオに基づいていますが、運転の安全性やカメラの位置により、他のシナリオでも当てはまります。

要約(オリジナル)

Due to the needs of road traffic flow monitoring and public safety management, video surveillance cameras are widely distributed in urban roads. However, the information captured directly by each camera is siloed, making it difficult to use it effectively. Vehicle re-identification refers to finding a vehicle that appears under one camera in another camera, which can correlate the information captured by multiple cameras. While license plate recognition plays an important role in some applications, there are some scenarios where re-identification method based on vehicle appearance are more suitable. The main challenge is that the data of vehicle appearance has the characteristics of high inter-class similarity and large intra-class differences. Therefore, it is difficult to accurately distinguish between different vehicles by relying only on vehicle appearance information. At this time, it is often necessary to introduce some extra information, such as spatio-temporal information. Nevertheless, the relative position of the vehicles rarely changes when passing through two adjacent cameras in the bridge scenario. In this paper, we present a vehicle re-identification method based on flock similarity, which improves the accuracy of vehicle re-identification by utilizing vehicle information adjacent to the target vehicle. When the relative position of the vehicles remains unchanged and flock size is appropriate, we obtain an average relative improvement of 204% on VeRi dataset in our experiments. Then, the effect of the magnitude of the relative position change of the vehicles as they pass through two cameras is discussed. We present two metrics that can be used to quantify the difference and establish a connection between them. Although this assumption is based on the bridge scenario, it is often true in other scenarios due to driving safety and camera location.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google