基于HOG和SVM的级别自适应车型识别算法

引文格式： 吴迪，蔡晓东，华娜，等.基于HOG和SVM的级别自适应车型识别算法[J].桂林电子科技大学学报，2016,36(1):23-28.

吴迪，蔡晓东，华娜，朱利伟，梁奔香

(桂林电子科技大学 信息与通信学院，广西 桂林541004)

摘要：针对现有智能交通系统中视频车辆车型识别方法存在的误检率高、效率低的问题，提出一种基于梯度方向直方图和支持向量机(SVM)的级别自适应车型识别算法。选择大车车头和小车车身的HOG特征作为车辆描述特征，建立一种新的级别自适应模型，以提高检测识别效率；采用SVM训练分类方法，设计了模板匹配策略，构造两类车型分类器，以提升识别准确度。通过标准的交通卡口实验，表明该算法不仅在正常的光照条件下具有较高的识别效率和较低的误检率，而且在不同的光照条件下具有很好的鲁棒性。

关键词：智能交通系统；梯度方向直方图；支持向量机；级别自适应模型；模板匹配

车辆车型识别是智能交通系统的一个重要分支，在公路摄像头监控、高速公路自动收费、车辆流量统计等方面具有广阔的应用发展前景，但存在一些问题迫切需要解决。1)车辆车型识别过程主要包括前景分割、目标检测、特征提取、车型分类4个阶段，由于车辆种类繁多且差别不大，没有明显的区别特征，使得特征提取的过程比较复杂，如何更好地选择特征参数非常重要；2)由于天气、光线等对车型识别准确性的影响很大，如何增加识别的自适应性也是车辆分类有待解决的关键问题。……