近日，在刚刚在结束的AI City Challenge 2021比赛中，智能车实验室硕士生吴明虎率队荣获了车辆重识别（City-Scale Multi-Camera Vehicle Re-Identification）与车辆跨摄像头跟踪（City-Scale Multi-Camera Vehicle Tracking）两个赛道的季军。
图1 SJTU算法框架
智能车实验室将算法分为单摄像头跟踪、车辆重识别、跨摄像头匹配三个模块，提出多种策略优化传统基于滤波的跟踪方法，利用车辆的多重属性强化车辆视觉特征的提取，并充分挖掘时空信息对车辆的跨摄像头匹配加以约束，实现了对车辆准确的重识别与跨摄像头跟踪。最终在车辆重识别赛道上获得66.5%的mAP，在跨摄像头跟踪赛道上获得76.51%的IDF1，均排名第三。
图2 车辆重识别赛道的最终排名
图3 车辆跨摄像头跟踪赛道的最终排名
AI City Challenge由英伟达、亚马逊、马里兰大学等发起，自2017年起，每年举办一次。该挑战赛主要集中在智能交通相关的车流统计、车辆重识别、跨摄像头跟踪、异常事件分析等应用场景，被誉为“智能交通视频分析界的ImageNet竞赛”。2021年的AI City 挑战赛由1月12日开始，4月9日结束，全球共有305支队伍参加，其中不乏阿里、百度、字节跳动、悉尼科技大学等一流科技巨头和高校。其所有数据均从美国多个城市的交叉路口、直行道和高速公路等实际交通场景采集获得，存在严重的车辆遮挡、图像模糊等工业环境中存在的问题。参赛者需完成与实际业务落地场景“零差距”的严苛考验，可以直观反映其真实的应用能力。
比赛官网：https://www.aicitychallenge.org/
智能车实验室论文“A Multi-Camera Vehicle Tracking System Based on City-Scale Vehicle Re-ID and Spatial-Temporal Information”也被CVPR2021 AI City Challenge workshop 接收。
论文引用：
Minghu Wu, Yeqiang Qian, Chunxiang Wang, and Ming Yang. A Multi-Camera Vehicle Tracking System Based on City-Scale Vehicle Re-ID and Spatial-Temporal Information. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, June 19-25, 2021, Virtual, pages 4077-4086.
论文下载：https://openaccess.thecvf.com/content/CVPR2021W/AICity/html/Wu_A_Multi-Camera_Vehicle_Tracking_System_Based_on_City-Scale_Vehicle_Re-ID_CVPRW_2021_paper.html