分层式宽度模型的实时车型识别算法

分层式宽度模型的实时车型识别算法

论文摘要

车辆车型识别技术在智能交通系统中至关重要,现有的车辆车型识别技术难以兼顾识别精度和识别速度。针对高速公路环境下的车型识别问题,提出了浅层特征层与宽度特征层相结合的分层式宽度模型实时进行车型识别。首先利用颜色空间转换和多通道HOG算法相结合,减少光照环境的影响,同时实现对车辆图像的特征提取,结合PCA降维技术,降低计算复杂度;然后对图像特征进行稀疏表示和非线性映射,减少图像特征之间的相关性;最后用岭回归学习算法对提取的样本特征进行训练,求出样本特征与样本标签之间的权重系数,实现对车辆车型的识别。在BIT-Vehicle车型数据库的实验结果表明,本文所提算法的识别精度为96.69%,识别速度高达70.3帧/s。本文算法在提高车型识别精度的同时保证了实时性,在识别精度和速度方面优于其他算法。

论文目录

  • 引言
  • 1 相关工作
  •   1.1 宽度学习系统
  •   1.2 梯度方向直方图算法
  • 2 分层式宽度模型
  •   2.1 浅层特征层
  •     2.1.1 颜色空间转换
  •     2.1.2 多通道HOG特征
  •     2.1.3 降维
  •   2.2 宽度特征层
  •     2.2.1 特征稀疏化
  •     2.2.2 非线性映射
  •   2.3 生成权重系数矩阵
  •   2.4 本文算法流程
  • 3 实验结果与分析
  •   3.1 BIT-Vehicle数据集与实验分析
  •   3.2 浅层特征层影响实验
  •     3.2.1浅层特征层中各特征处理环节实验
  •     3.2.2 多通道与单通道HOG特征实验
  •   3.3 不同识别算法的对比实验
  • 4 结束语
  • 文章来源

    类型: 期刊论文

    作者: 李洪均,周泽

    关键词: 车型识别,分层式宽度模型,实时性,稀疏表示

    来源: 数据采集与处理 2019年01期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 公路与水路运输,计算机软件及计算机应用

    单位: 南通大学电子信息学院,南通智能信息技术联合研究中心,通科微电子学院

    基金: 国家自然科学基金(61601248)资助项目,江苏省高校自然科学研究面上项目(16KJB510036)资助项目,南通市科技计划(MS12016025)资助项目,南通大学-南通智能信息技术联合研究中心(KFKT2017B04)资助项目,国家级大学生创新创业训练计划(201810304019Z)资助项目

    分类号: U495;TP391.41

    DOI: 10.16337/j.1004-9037.2019.01.009

    页码: 80-90

    总页数: 11

    文件大小: 1407K

    下载量: 104

    相关论文文献

    • [1].激光车型识别技术研究和应用[J]. 中国交通信息化 2019(S1)
    • [2].基于多维视频技术的车型识别系统[J]. 中国交通信息化 2017(12)
    • [3].基于3D模型的精确车型识别[J]. 智能城市 2018(08)
    • [4].车型识别技术在打击高速公路逃费中的应用[J]. 中国交通信息化 2017(10)
    • [5].一种高速自由流车型识别系统[J]. 中国交通信息化 2020(11)
    • [6].一种基于Bilinear-HashNet网络的车型识别方法[J]. 小型微型计算机系统 2019(08)
    • [7].基于改进词包模型的车型识别算法[J]. 计算机与数字工程 2018(05)
    • [8].基于历史数据的车型识别方案[J]. 中国交通信息化 2012(03)
    • [9].改进残差网络的多角度车型识别方法[J]. 电视技术 2018(06)
    • [10].基于多尺度跃层卷积神经网络的精细车型识别[J]. 科学技术与工程 2017(11)
    • [11].基于智能交通系统的运动车型识别技术与应用研究[J]. 数字技术与应用 2014(12)
    • [12].车型识别系统技术方案[J]. 中国公共安全 2015(09)
    • [13].基于决策树的车型识别技术研究[J]. 数字技术与应用 2015(03)
    • [14].基于支持向量机与结构矩的车型识别实时鲁棒算法[J]. 湖南师范大学自然科学学报 2010(04)
    • [15].自动发卡车道车型识别解决方案探讨[J]. 中国交通信息化 2018(S1)
    • [16].一种基于深度残差网络的车型识别方法[J]. 计算机技术与发展 2018(05)
    • [17].基于深度卷积神经网络的车型识别研究[J]. 现代计算机(专业版) 2018(23)
    • [18].基于卷积神经网络的车型识别方法研究[J]. 传感器与微系统 2017(11)
    • [19].一种车型识别的预处理实现方案[J]. 计算机时代 2008(02)
    • [20].基于关键边缘特征的车型识别[J]. 电子测试 2013(06)
    • [21].轿车局部区域特征提取与车型识别[J]. 工业控制计算机 2012(08)
    • [22].面向嵌入式应用的高性能车型识别系统[J]. 电子技术与软件工程 2018(02)
    • [23].基于车辆正面俯视图的车型识别方法[J]. 电子技术与软件工程 2018(05)
    • [24].车型识别中运动目标检测技术研究[J]. 吕梁学院学报 2018(02)
    • [25].基于深度卷积神经网络的多任务细粒度车型识别[J]. 图学学报 2018(03)
    • [26].激光式交通量调查设备应用研究[J]. 中国交通信息化 2018(S1)
    • [27].异构计算模型下基于聚类的车型识别[J]. 青海交通科技 2018(01)
    • [28].基于全局和局部特征融合的车型识别[J]. 计算机工程与设计 2016(04)
    • [29].激光式出入口车型识别系统解决方案探析[J]. 交通世界 2019(23)
    • [30].基于各向异性磁阻的车型识别算法[J]. 科技与创新 2017(19)

    标签:;  ;  ;  ;  

    分层式宽度模型的实时车型识别算法
    下载Doc文档

    猜你喜欢