CaRS-Align：通道关系谱对齐的跨模态车辆再辨识方法

来源：电子与信息学报杂志2026年第3期北京时间：

作者：萨百慧, 庄靖怡, 郑锦杰, 朱建清

单位：1.华侨大学工学院 泉州 3620212.厦门松霖科技股份有限公司 厦门 361000

摘要：可见光与红外光作为智能交通场景中常用的两种图像模态，在长时间、广范围的车辆再辨识中具有重要应用价值。但是，由于成像机制与光谱响应的差异，两种模态的视觉表现特性并不一致，干扰身份表征学习，制约跨模态车辆再辨识。为此，该文提出通道关系谱对齐(CaRS-Align)方法，以通道关系谱而非通道特征作为对齐目标，从关系结构层面削弱成像风格差异的干扰。具体地，首先在模态内构建通道关系谱，通过稳定的相关建模获取语义协同的通道—通道关系谱；随后，在跨模态层面最大化两模态对应通道关系谱的相关性，实现通道关系谱一致性对齐。CaRS-Align 对齐的是关系结构而非强度幅值，对光照、对比度与成像条件变化更不敏感，有效提升跨模态再辨识性能。实验表明，在公开的MSVR310和RGBN300数据集上，所提CaRS-Align方法优于现有先进方法，例如，在MSVR310数据集上，红外光-可见光检索模式下，CaRS-Align的Rank-1识别率达到64.35%，较之现有先进方法提升了2.58%。

关键词：智能交通, 跨模态车辆再辨识, 通道关系谱对齐

基金资助：厦门市“揭榜挂帅”重大技术攻关项目(3502Z20251011)，福建省科技兴警研究计划(2024Y0064)，泉州市高层次人才创新创业项目(2023C013R)