计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
9期
194-198,322
,共6页
车标识别%方向梯度直方图%支持向量机%仿射尺度不变特征变换%模板匹配
車標識彆%方嚮梯度直方圖%支持嚮量機%倣射呎度不變特徵變換%模闆匹配
차표식별%방향제도직방도%지지향량궤%방사척도불변특정변환%모판필배
Vehicle-logo recognition%Histogram of oriented gradient%Support vector machine (SVM)%Affine scale -invariant feature transform%Template matching
车标信息在智能交通领域有着广泛的应用价值.当前的车标识别方法存在漏检率高、识别率低的问题.为此提出了一种基于HOG和ASIFT特征相结合的车标二次识别方法.首先对变换后的训练样本提取HOG特征并使用SVM训练出基于概率分类的多分类器模型;其次提取模板样本的SIFr特征并使用特征点融合策略建立车标模板库.最后使用SVM多分类器和ASIFT匹配相结合完成车标二次识别.训练样本大小、样本数量、模板类型等因素导致车标平均识别率不同.而且,上述法的车标平均识别率高于单一的识别方法的识别率.改进方法能够提高车标识别率且有效减少误识别率和漏检率.
車標信息在智能交通領域有著廣汎的應用價值.噹前的車標識彆方法存在漏檢率高、識彆率低的問題.為此提齣瞭一種基于HOG和ASIFT特徵相結閤的車標二次識彆方法.首先對變換後的訓練樣本提取HOG特徵併使用SVM訓練齣基于概率分類的多分類器模型;其次提取模闆樣本的SIFr特徵併使用特徵點融閤策略建立車標模闆庫.最後使用SVM多分類器和ASIFT匹配相結閤完成車標二次識彆.訓練樣本大小、樣本數量、模闆類型等因素導緻車標平均識彆率不同.而且,上述法的車標平均識彆率高于單一的識彆方法的識彆率.改進方法能夠提高車標識彆率且有效減少誤識彆率和漏檢率.
차표신식재지능교통영역유착엄범적응용개치.당전적차표식별방법존재루검솔고、식별솔저적문제.위차제출료일충기우HOG화ASIFT특정상결합적차표이차식별방법.수선대변환후적훈련양본제취HOG특정병사용SVM훈련출기우개솔분류적다분류기모형;기차제취모판양본적SIFr특정병사용특정점융합책략건립차표모판고.최후사용SVM다분류기화ASIFT필배상결합완성차표이차식별.훈련양본대소、양본수량、모판류형등인소도치차표평균식별솔불동.이차,상술법적차표평균식별솔고우단일적식별방법적식별솔.개진방법능구제고차표식별솔차유효감소오식별솔화루검솔.
