基于多視角特征的車型識(shí)別方法.pdf

1、車型識(shí)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(shí)別的研究，多數(shù)基于某一個(gè)或一種特征對車型進(jìn)行分類，其識(shí)別準(zhǔn)確率僅在特定情況下具有穩(wěn)定性，并且為獲得較高識(shí)別精度，需進(jìn)行大量的數(shù)據(jù)分析，但冗余信息較多，影響到了目標(biāo)識(shí)別的實(shí)時(shí)性。同時(shí)，識(shí)別分類方法的自適應(yīng)優(yōu)化學(xué)習(xí)機(jī)制也有待進(jìn)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(shí)別方法，

2、旨在更加快速、準(zhǔn)確地完成車型的識(shí)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(shí)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(jìn)型核獨(dú)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(dú)立基元以構(gòu)造獨(dú)立基子空間，采用2DPCA算法完成圖像去二階相關(guān)和進(jìn)一步降維處理。同時(shí)，本文提出了基于Amari誤差和平均相關(guān)度作為評(píng)價(jià)標(biāo)準(zhǔn)的降維效果評(píng)價(jià)方法。對比仿真實(shí)驗(yàn)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(jìn)型支持向量機(jī)分類識(shí)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(jī)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(shí)別的效率和精度，即一方面設(shè)計(jì)基于馬氏距離和“aσ-原則”實(shí)現(xiàn)對樣本數(shù)據(jù)進(jìn)行自動(dòng)優(yōu)化分選，并結(jié)合加權(quán)判別算法加快支持向量機(jī)的訓(xùn)練測試速度;另一方面設(shè)計(jì)了基于先驗(yàn)知識(shí)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(shí)別精度。
　　仿真實(shí)驗(yàn)結(jié)果表明，基于自適應(yīng)顯著性水平集的輪廓模型