基于方向梯度直方图特征的车脸识别方法研究

来源 :软件工程 | 被引量 : 0次 | 上传用户:lhmfly
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着道路监控系统的数字化和智能化发展,车辆类型识别成为智能交通系统的研究重点之一。本文基于道路监控系统中的视频图像,对车前脸进行粗定位,并在粗定位车脸的基础上对车脸进行精确定位。对精确定位的车前脸进行水平梯度水平投影和水平梯度垂直投影,提取车标的方向梯度直方图——HOG特征,由此提出了基于HOG特征描述的车脸特征点提取方法,并采用支持向量机(SVM)对车标特征向量进行了分类识别。实验结果表明,只有选择适当的HOG特征参数,才能提高车型识别率。
其他文献
基于线性模型的矩阵分解推荐算法对信息的特征提取单一,当用户和物品含有大量隐含信息时,无法满足用户需求的个性化推荐。针对此问题,提出一种评分和社会标签融合的卷积神经网络推荐算法,该算法能够根据上下文信息,利用非线性模型提取隐含高阶信息,处理复杂且稀疏的数据。首先,设计由两路由多层感知器和卷积神经网络组成的深层网络结构,分别实现利用社会标签信息和用户评分信息建模用户兴趣和项目信息的潜在特征向量;然后,
通过人工智能领域中的自然语言工具将不直观的专业海上风速预报数据转化为友好易懂的分析文本,提高气象预报服务的时效性和合理性。首先提取中国海洋石油公司南海东部四个海上区块的原始预报数据,利用神经网络对数据进行回归拟合,得到一条显示未来风速上升下降的单调区间、极值点和增减幅度的光滑曲线,再利用自然语言处理基于规则和基于统计相结合的方法自动生成预报文本。该方法可将现行需要人工45—60分钟才能完成的预报报