分层式宽度模型的实时车型识别算法

摘要：

车辆车型识别技术在智能交通系统中至关重要,现有的车辆车型识别技术难以兼顾识别精度和识别速度.针对高速公路环境下的车型识别问题,提出了浅层特征层与宽度特征层相结合的分层式宽度模型实时进行车型识别.首先利用颜色空间转换和多通道HOG算法相结合,减少光照环境的影响,同时实现对车辆图像的特征提取,结合PCA降维技术,降低计算复杂度;然后对图像特征进行稀疏表示和非线性映射,减少图像特征之间的相关性;最后用岭回归学习算法对提取的样本特征进行训练,求出样本特征与样本标签之间的权重系数,实现对车辆车型的识别.在BIT-Vehicle车型数据库的实验结果表明,本文所提算法的识别精度为96.69％,识别速度高达70.3帧/s.本文算法在提高车型识别精度的同时保证了实时性,在识别精度和速度方面优于其他算法.

关键词：车型识别、分层式宽度模型、实时性、稀疏表示

所属期刊栏目：34

分类号：TP391.43(计算技术、计算机技术)

资助基金：国家自然科学基金61601248;江苏省高校自然科学研究面上项目16KJB510036;南通市科技计划MS12016025;南通大学-南通智能信息技术联合研究中心KFKT2017B04;国家级大学生创新创业训练计划201810304019Z

在线出版日期：2019-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：80-90