基于多視角特征的車型識別方法.pdf

1、車型識別是智能交通系統(tǒng)(Intelligent Transportation System，ITS)的關(guān)鍵技術(shù)之一?？v觀國內(nèi)外關(guān)于車型識別的研究，多數(shù)基于某一個或一種特征對車型進行分類，其識別準確率僅在特定情況下具有穩(wěn)定性，并且為獲得較高識別精度，需進行大量的數(shù)據(jù)分析，但冗余信息較多，影響到了目標識別的實時性。同時，識別分類方法的自適應(yīng)優(yōu)化學(xué)習(xí)機制也有待進一步完善。
　　針對上述問題，本論文提出了一種基于多視角特征的車型識別方法，

2、旨在更加快速、準確地完成車型的識別。論文的主要研究內(nèi)容包括:
　　1、多視角多維特征參數(shù)體系的建立。本文建立了包含前視角、側(cè)視角、尾視角的多視角的多維特征混合樹形結(jié)構(gòu)體系，并提出了一種基于自適應(yīng)顯著性水平集的輪廓模型用于對體系中不同視角的區(qū)域分割，該模型采用基于二維凸包的顯著性初始輪廓曲線自適應(yīng)定位算法來獲取演化曲線的初始位置，同時采用正則化的P-M方程替代原Li模型中的高斯濾波。在此基礎(chǔ)上，完成了對不同視角的優(yōu)化特征參數(shù)的定義及

3、量化處理。
　　2、特征參數(shù)優(yōu)化方法的研究。本文研究了一種基于改進型核獨立成分分析的特征參數(shù)降維優(yōu)化方法，該方法通過KICA算法獲取圖像多維特征的獨立基元以構(gòu)造獨立基子空間，采用2DPCA算法完成圖像去二階相關(guān)和進一步降維處理。同時，本文提出了基于Amari誤差和平均相關(guān)度作為評價標準的降維效果評價方法。對比仿真實驗表明，該參數(shù)優(yōu)化方法能夠完成對多維特征參數(shù)的有效降維約簡。
　　3、基于改進型支持向量機分類識別模型的提出。本

4、文提出了一種基于組合核函數(shù)的自適應(yīng)支持向量機分類模型，該模型研究了組合核函數(shù)以及組合超參數(shù)組的確定，在此基礎(chǔ)上，采用雙角度約束以提高分類識別的效率和精度，即一方面設(shè)計基于馬氏距離和“aσ-原則”實現(xiàn)對樣本數(shù)據(jù)進行自動優(yōu)化分選，并結(jié)合加權(quán)判別算法加快支持向量機的訓(xùn)練測試速度;另一方面設(shè)計了基于先驗知識的迭代最優(yōu)參數(shù)自適應(yīng)搜索算法用于核函數(shù)參數(shù)的設(shè)定，以提高分類器的分類識別精度。
　　仿真實驗結(jié)果表明，基于自適應(yīng)顯著性水平集的輪廓模型