JD AI和北京大学的研究人员最近开发了PVSS，一种先进的用于监控视频网络的车辆搜索系统。该系统有助于有效地搜索出现在监控录像中的特定车辆。
一般来说，车辆搜索系统包括各种有用的应用，如自动监视和智能交通。因此，该系统允许用户搜索时间间隔和区域，以确定车辆在不同时间的位置。此外，现有的方法需要从视频中裁剪图像来识别目标车辆的车牌号码。此外，这种车辆搜索方法主要针对基于内容的车辆匹配，称为车辆再识别。
然而，这种车辆搜索方法在相似车辆和不同摄像头之间的实例间差异方面具有挑战性。此外，由于低分辨率和噪声，用户经常在监控图像中错误地识别车牌。
PVSS在大规模车辆搜索数据集上显示了最先进的结果
研究人员的新型车辆搜索系统解决了车辆表示、车辆检测、索引、匹配和存储等所有问题。该系统由履带式车辆数据、多粒度车辆索引器和渐进式车辆搜索器三个关键模块组成。
该系统采用了一系列的数据结构，保证了车辆搜索的准确性和效率。该爬行器不仅有助于从监控网络中提取视觉内容，还有助于提取上下文信息。基于深度学习的模型利用多模态数据获取车辆的鲁棒特征。随后，车辆索引器提取车辆的多粒度属性，如牌照指纹。
这种渐进式车辆搜索方法在所有的多模态搜索方法和外观搜索方法中都有较好的性能。
