张利平　邵宗凯　吴建德

(1.昆明理工大学信息工程与自动化学院　昆明　650500)(2.云南省矿物管道输送工程技术研究中心　昆明　650500)

基于改进KSVD和极限学习机的车型识别方法研究

张利平1,2邵宗凯1,2吴建德1,2

(1.昆明理工大学信息工程与自动化学院昆明650500)(2.云南省矿物管道输送工程技术研究中心昆明650500)

摘要针对智能交通中车辆的分类识别问题,提出了一种基于改进KSVD和极限学习机的车型分类方法。该方法首先利用改进KSVD的方法训练得到各类样本的特征字典及其相应的稀疏系数,之后将提取到的具有旋转不变性以及对噪声不敏感性特点的特征字典和稀疏系数送入极限学习机中进行分类识别。改进KSVD在字典的初始化方法上进行了改进,先在类内训练字典,然后将学习到的类内字典级联起来作为新的初始化字典。实验结果表明改进KSVD方法提高了字典的识别性能,该方法在较快识别速率的前提下,提高了车型识别的正确率。

关键词改进KSVD; 特征字典; 稀疏系数; 极限学习机; 分类识别

Class NumberTP391

1引言

车型识别是智能交通领域的一个重要研究内容,能够为交通信息的深层次分析提供依据。在高速公路通行车辆的信息记录,停车场的安全管理以及肇事、嫌疑、被盗车辆的追踪和定位等领域具有重要意义。车型识别是一个典型的目标识别问题,目标的特征的选择和提取是整个识别过程的关键。因此,如何提取对车辆具有良好描述能力和分类性能的特征是完成车型正确识别的前提[1]。……