基于融合特征的車輛識別.pdf

1、隨著經(jīng)濟的快速發(fā)展，車輛在人們生活中扮演著重要角色。智能交通系統(tǒng)(ITS)提供了一套高效便捷的城市交通管理方案，用以緩解車輛融入城市所造成的問題，車輛識別作為 ITS的核心功能之一，方法繁多并各有缺陷，有待改進。
　　本文提出了對車臉組件提取不同特征的方法，不同于傳統(tǒng)的局部特征提取方法，車臉組件特征很好地反映了車臉內(nèi)部的細節(jié)，著重表現(xiàn)車臉不同組件的結構特性。車臉組件特征分為車燈組件的邊緣特征，格柵組件的紋理特征，保險杠組件的 SU

2、RF特征。它們各自表現(xiàn)了對應車臉組件最突出的特征信息，有很高的區(qū)分度。
　　本文使用詞袋模型融合不同的組件特征構建一個能表征車輛的融合特征向量，融合特征向量的構造方法為：對車燈、保險杠組件構建各自的視覺詞典，由視覺詞典得到圖像的視覺詞袋，最終獲得詞頻特征向量。格柵組件的紋理特征向量用格柵對Gabor濾波器的響應值獲取，由其對不同方向的 Gabor濾波器響應值判斷出格柵的主方向，總響應值以及響應極值數(shù)量，計算響應值的強度與分布，組合

3、這些數(shù)據(jù)為一個向量作為紋理特征向量。線性擴展獲得的三個組件特征向量作為融合特征向量，融合特征向量的維數(shù)為組件特征向量維數(shù)之和。
　　在本文設計的車輛識流程中，對輸入車輛圖像，使用車輛檢測器確定車輛位置后，使用水平、豎直積分投影截取出最大化車臉，做進一步預校正：剔除車牌無用信息、中值濾波去噪。對最大化車臉提取車臉組件特征，由詞袋模型融合后獲取融合特征，與車輛數(shù)據(jù)庫中的特征數(shù)據(jù)匹配，輸出最優(yōu)結果。
　　實驗結果表明，本文所用方法