车辆重识别的意义？

车辆重识别是找到与给出的query相同的车，但有些车的外观是一模一样的，根本无法区分，那车辆reid的意义在哪里？

其实吧，我觉得vehicle reid也得分两个不同的场景去考虑。

一个是跨摄像头的车辆检索，说白了也就是缩小工作量罢了，尤其是当嫌疑人换牌照或者牌照不清晰的时候，结合一定的先验信息，还是能有效缩小实际工作量的。

另外一个么，就是固定摄像头里了，比如无人驾驶中，可以通过分析判断出近几个几十个小时中，无人驾驶车辆周围车辆的行驶轨迹跟踪轨迹之类的，也能有一定帮助。

不过对于这个问题，我个人理解可能还不是很深刻，还是召唤乃岩叔来回答会更有见解一些。

@Naiyan Wang

我个人认为通过车辆细节特征进行车辆重识别的实用意义比较有限，原因有三：

1）当车辆悬挂号牌时，直接通过车辆号牌定位位置就可以定位指定车辆位置，并不需要通过车辆外观特征做识别。

2）当车辆号牌信息不可用时，通过车辆外观特殊细节检索指定车辆是一厢情愿。车辆为大众商品，在车辆所有者不改变车辆外观的前提下，两个同品牌同款式车型除了号牌之外没有其他区别，特异性远不如于行人个体。由于正常道路场景下车辆未悬挂号牌本身就是及其特殊的特征，利用这个特征也许就可以定位车辆位置。

3）车辆驾驶人、内饰或挡风玻璃粘贴等由驾驶人决定的内部细节特征，即便是目前最常用的1080p摄像头，在交通摄像头监控距离下也未必可以捕获到足够分辨车辆ID的清晰细节。

总结一下，车辆重识别也许可以大显神威的情况：

1）车辆未悬挂或遮挡号牌，或指定路段范围内所有的交通摄像头均未能拍摄到车辆号牌（这可能性极低，交警部门不是吃干饭的）；

2）车辆外饰有特殊细节，或车辆型号款式在指定场景较为稀少；

3）交通摄像头距离车辆较近，可以拍摄到清晰内部细节；

意义就是做应用么?

已知某一时刻, 车在A处, 一小时后, 找这个车

假设个速度, 能得到一个圆形区域, 这是假设空间.
配上地图, 滤掉不是道路的地方, 假设空间减小
一小时内摄像头数据reid, 召回所有可能候选
参考车牌信息过滤定位可能位置.

实际上可以参考的信息应该会更多. 外观一样, 年检标不一定贴的位置一样, 驾驶员的位置不一定一样, 副驾有没有人也不一定一样....

反正, 作为中间环节, 还算有用吧.

我目前接触到的车辆重识别主要应用两方面:1)在交警车辆违章判罚，结合前端抓拍的图，判断目标车辆是否违章，包括不按车道线行驶，闯红灯，压线等，形成证据链，这里需要在抓拍的图中找出目标车辆，这就需要车辆重识别，因为车辆在夜晚或者转弯或者较远时无法正确检测和识别车牌。2)在车辆搜索方面，主要嫌疑车辆存在无牌和套牌的情况，无法使用车牌信息，可以通过重识别技术查找嫌疑车辆，减少人力成本。

做过一些相关研究。个人认为的一些应用价值：

1.首先业界的需求还是有的，在工业界可以结合tracking，摄像头时间差等先验信息实现跨摄像头跟踪。vehicle reid的特征也可用于tracking性能的提升。

2.在gallery较小的情况下，除车型一样的情况下其他车辆都可以被排除掉。可以做小检索库范围的reid。

3.在实际道路中低点摄像头拍摄的情况下，车牌常有被遮挡情况。由于近点拍摄可用reid提取一些车内装饰物、年检标志、甚至车内司机等特征来实现reid或辅助车牌识别完成reid。

当然学术界上还存在很多难点待解决

这个问题和「person reid能干什么」很相似。无论是行人还是车，仅仅通过解析度如此之低的外表是无法准确判断是不是同一个id的。目前二者最大的作用都在多相机检索系统的初筛。比如通过person reid找出一部分外观相似的行人，然后再结合人脸验证身份。车也一样，可以通过appearance feature 做初步筛选，再通过轨迹上的卡口号牌做准确的验证。

行人的这个用法是真实案例，车的不确定现在有没有真正落地的案例。

第一，车辆重识别从技术上来说比行人重识别难度要大，因为车辆刚性物体的表观特征区别不大，即使有局部特征(粘贴物、挂件、蜘蛛侠摆件等)也很难准确提取和表达;

第二，用户需求上也没有行人重识别强烈，毕竟车辆检索可以利用车牌识别比对解决，所以车辆重识别技术研究就没那么火;

意义:

1.检索库不是很大的情况下，例如可以应用在收费停车场，针对无牌车的计费。

2.针对没有车牌信息的目标车辆检索(没有悬挂号牌或者只有车辆的侧面图像等)，在检索库庞大的情况下，可以结合车辆的车系、颜色等过滤条件，降低检索库数量，再利用车辆的特征去比对相似度排序。