基于多特征融合的車輛品牌識別方法研究.pdf

1、中國交通運輸部出臺的《2012-2020年智能交通發(fā)展戰(zhàn)略》中提出交通信息的感知和監(jiān)控技術(shù)是實現(xiàn)城市交通智能化發(fā)展的先進(jìn)技術(shù)。車輛作為智能交通系統(tǒng)中必不可少的組成部分，其車型信息已成為公共交通服務(wù)、交通運行監(jiān)管和安全防護(hù)等行業(yè)中數(shù)據(jù)處理與分析的基礎(chǔ)。目前，車型識別技術(shù)在公路電子收費和停車場管理等領(lǐng)域中得到廣泛應(yīng)用，但是車型識別僅局限于大小型或客貨車等類型，尚不能滿足公安交警部門對假（套）牌車自動鑒別的需求。隨著計算機視覺和模式識別技術(shù)的

2、深入發(fā)展，因此，研究基于圖像處理技術(shù)的車輛品牌識別方法已經(jīng)成為智能交通系統(tǒng)車輛管理和維護(hù)工作中亟待解決的問題。
　　本文基于電子警察卡口相機捕獲到的車輛圖片，研究了基于多特征融合的車輛品牌的識別技術(shù)，具體內(nèi)容如下:
　　首先，研究了基于紋理特征提取的車輛品牌識別方法。根據(jù)車輛號牌與車臉區(qū)域相對位置關(guān)系分割出車輛區(qū)域，構(gòu)建了東南大學(xué)車臉數(shù)據(jù)庫（包括120000張圖片，30類車輛品牌）。提取了車臉的局部能量形狀直方圖(Local

3、 Energy based Shape Histogram，LESH)、局部二值模式直方圖(Local Binary Pattem Histogram，LBPH)和方向梯度直方圖(Histogramof Oriented Gradients，HOG)等紋理特征，并分別采用支持向量機(Support Vector Machines，SVMs)和K最近鄰分類器對車輛品牌進(jìn)行識別的分析對比實驗。實驗結(jié)果表明采用HOG特征和支持向量機分類器的車

4、輛品牌識別方法優(yōu)于其他組合，整體識別率達(dá)到92.40％。
　　其次，研究了基于稀疏表示特征的車輛品牌識別方法。對比分析了傳統(tǒng)無字典稀疏求解算法和基于K奇異值分解(K Singluar Value Decomposition，K-SVD)字典學(xué)習(xí)的稀疏編碼算法，并利用誤差重構(gòu)最小化原理對車輛品牌進(jìn)行分類。實驗結(jié)果表明基于K-SVD字典學(xué)習(xí)算法的稀疏表示車輛品牌識別算法優(yōu)于傳統(tǒng)無字典稀疏求解方法，且隨著訓(xùn)練樣本數(shù)和字典原子數(shù)的增加，識

5、別率呈逐漸上升趨勢，最高可達(dá)89.07％，平均每張識別時間小于0.015秒。
　　最后，提出了一種基于稀疏表示的多特征融合的車輛品牌識別方法。分析了圖像特征聯(lián)合的融合策略，并對車臉圖像進(jìn)行一級特征HOG提取?；贖OG特征的非負(fù)性進(jìn)行非負(fù)稀疏編碼，形成了基于稀疏表示的HOG特征二級抽象的融合特征，并利用誤差重構(gòu)最小原理對車輛品牌進(jìn)行識別。實驗結(jié)果表明車輛品牌整體識別率達(dá)到96.16％，且該種方法對車輛含有強光反射、光線照射弱和運動