基于改进稀疏栈式编码的车型识别
2020-01-06代乾龙
计算机工程与应用 2020年1期
关键词:特征
代乾龙,孙 伟
中国矿业大学 信息与控制工程学院,江苏 徐州221008
1 引言
在全面建设小康社会的奋斗中,国民经济发展迅速,我国汽车保有量呈现爆炸式增长,使得公路交通安全面临着巨大的挑战。车型分类是智能交通系统中的重要组成部分具有广泛的应用[1-2],包括交通流量统计、智能泊车系统和车型检测。目前,研究人员在车型识别的问题上做了大量的研究工作。Zhang等人[3]提出了一种方法,使用参数化的三维模型对车辆进行分类。他们与通用车辆尺寸进行了比较,得出了车型分类的结果。但是当车辆不完整或多辆车相互遮挡时,该方法效果较差。文献[4-5]提取了车辆的外观特征(例如SIFT[6])以实现车辆类型分类。Zhang等人[7]从车辆正面图像中提取HOG特征,并将这些特征发送到SVM分类器进行车型分类。
目前,基于车型分类研究工作主要分为手工标注特征和深度学习两种。Negri 等人[8]提出了一种基于定向轮廓点的投票算法,用于其多类车辆类型识别系统。Psyllos等人[9]使用SIFT功能识别车辆的标志、制造商和型号。Zhang[10]融合了PHOG 特征和Gabor 变换特征来表示车辆,并提出了一种用于识别车辆类型的级联分类器方案。Peng等人[11]通过车牌颜色、车辆前部宽度和车辆类型分类的类型概率表示车辆。耿庆田等人[12]提出一种新的车型检测方法,将HOG 特征和LBP 特征进行融合。但是这些方法使用的是手工标注的特征,在复杂场景中可能不具有足够的辨别力。刘应新等人[13]利用深度学习通过训练大量的数据来获得车型分类模型,提出前景提取和深度学习相结合的车型分类方法。……
登录APP查看全文
