Resumen

La reidentificación de vehículos se refiere a la misión de emparejar vehículos en cámaras no superpuestas, lo cual es uno de los problemas críticos del sistema de transporte inteligente. Debido al parecido en la apariencia de los vehículos en la carretera, los métodos tradicionales no pueden desempeñarse bien en vehículos con alta similitud. En este artículo, utilizamos la representación de hipercarácter para integrar características de imagen y abordar el problema de reidentificación de vehículos a través de algoritmos de aprendizaje de hipercarácter. Un descriptor de características solo puede extraer características de un solo aspecto. Para fusionar múltiples descriptores de características, es especialmente necesario contar con una representación eficiente y adecuada, y un hipercarácter es naturalmente adecuado para modelar relaciones de alto orden. Además, la correlación espacio-temporal del estado del tráfico entre cámaras es la restricción más allá de la imagen, lo cual puede mejorar significativamente la precisión de reidentificación de diferentes vehículos con apariencias similares. El método prop

• Materias:Codificación de video Retraso de zapping Fusión de hipergrafía Esteganografía de imagen Segmentación de movimiento
• Subjects:Video Coding Zapping delay Hypergraph fusion Image steganography Motion segmentation
• Palabras claves:Vehículos; Representación de hipergráficos; Características; Re-ID; Similitud; Correlación espacio-temporal
• Keywords:Vehicles; Hypergraph representation; Features; Re-ID; Similarity; Spatiotemporal correlation