论文部分内容阅读
智能交通系统是实现智能化交通管理的关键部分,车型识别技术是智能交通系统重要环节。该技术现已广泛应用在公路缴费平台,道路车辆管理,案件侦破等方面。因此研究车型识别具有重要意义。本文的车型识别算法主要包括三大模块:Gabor特征提取,特征降维,基于稀疏表示的车型识别。主要工作内容如下:1.对车脸图像进行Gabor特征提取与特征降维。针对提取的Gabor特征维数过高的问题,本文采用了 Gabor特征简化法:此法是受到局部二进值模式(LBP,Local Binary Patterns)思想的启发,首先提取车脸图像的多尺度和多方向Gabor特征,然后采用特征选取规则,对不同方向同一尺度的Gabor特征进行选择性地保留。将此特征简化法用于本文的特征降维阶段。目的是降低Gabor特征维数,降低识别时间。之后对简化的Gabor特征使用分块PCA降维法进行二次降维。2.将基于稀疏表示的分类器引入车型分类中,研究了稀疏表示的分类算法(SRC)、加权稀疏表示的分类算法(WSRC)。并提出了一种改进的加权稀疏表示的分类算法(IWSRC)。一方面,修正WSRC中相似度度量公式,增强了稀疏向量的稀疏度。另一方面,利用多个残差联合对分类结果进行判定,可以对稀疏系数求解误差进行纠正。目的是提高分类系统的准确性。在实验阶段,首先通过以下三组车型分类的实验:Gabor特征结合PCA降维(G-PCA)、Gabor特征简化法结合PCA降维(GS-PCA)、Gabor特征简化法结合分块PCA降维(GS-BPCA)。分类器为基于稀疏表示的分类器。实验中,GS-PCA分类实验相比GS-PCA分类实验在平均识别时间上降低了 25%,GS-BPCA分类实验相比GS-PCA分类实验在识别率上提高了 2.44%,通过实验验证了本文使用的Gabor特征简化法结合分块PCA法的可行性。然后,通过SRC、WSRC、IWSRC三组车型分类实验,实验结果验证了本文的IWSRC的识别性能优于SRC以及WSRC,平均识别率达到了 91.68%,表明了本文提出的IWSRC算法的可行性与有效性。