张秀林 刘 玉 安然

（1.中北大学动态测试技术重点实验室，山西太原 030051）2.中北大学信息与通信工程学院，山西太原 030051）

0 引言

车型识别的问题是典型的目标识别问题，而目标的特征与目标检测息息相关。基于模板的方法，wei等[1]构造了参数化模型表示不同的车型，然后应用神经网络进行识别。基于代数特征的方法，魏等[2]引入灰度一致因子进行校正人脸识别中的奇异值方法应用于车型识别。同一车辆在不同角度、不同位置时，外观变化很大，同一类型的车辆之间，外形也不尽相同。因此，车型识别的关键问题是提取有良好描述和分类性能的特征。

运动车辆车型识别问题本身的复杂性决定了，基于模板方法不但有较高的复杂度而且准确地获取运动车辆的外部轮廓；基于代数特征的方法在提取代数特征时，需要增加较多的计算量和存储负担，实时性较差。T.R.Lim等[3]利用Gabor滤波器强大的分类鉴别能力对车辆样本图像抽取Gabor特征，因此，提出一种快速、实用的基于Gabor滤波器对车辆边缘进行非均匀样点采样提取关键边缘特征的方法，避免车型识别时对车辆外部轮廓的强依赖性，鲁棒性得到增强的同时降低了Gabor滤波器的计算量和存储负担。最后，利用模板匹配法实现运动车辆车型的自动分类时不降低识别率。从而，实现运动车辆车型的自动分类，达到运动车辆车型的识别。

1 车型识别

1.1 Roberts边缘检测算子确定关键边缘

运动车辆车型的轮廓取向无法事先确定,选择不具备空间方向性的和具有旋转不变的线性微分算子用于轮廓增强。……