基于中层特征的细粒度的车型识别

摘要：

为提高细粒度车型识别的准确率,提升智能停车场、智能交通监管系统的可靠性,针对低层特征在车型识别中精确不高的问题,提出一种基于中层特征的细粒度分类算法.其核心是使用筛选算法筛选中层特征,使得筛选后特征具有较高的表示性,提高识别的准确率.使用Adaboost算法进行车脸定位,减少后期的计算量,去除干扰因素.该算法无需GPU等计算资源,方便部署.与BOW、SPM、CNN等通用的分类模型相比,其准确率有较大提升.在大众数据集中的实验结果表明,其平均准确率为95.65％,平均耗时为0.82 s.

关键词：车型识别、词包算法、图像分类、细粒度分类、中层特征

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省教育厅重点科研基金项目17ZA0064

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1708-1713