基于Gabor特征和稀疏表示的車型識(shí)別技術(shù)研究.pdf

1、車型識(shí)別技術(shù)是智能交通系統(tǒng)中一個(gè)重要的研究領(lǐng)域，也是圖像處理、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺等領(lǐng)域中一個(gè)具有挑戰(zhàn)性的課題。該技術(shù)可以應(yīng)用于高速公路管理體系、交通監(jiān)控與車輛檢測(cè)系統(tǒng)、車輛管理系統(tǒng)、車輛繳費(fèi)系統(tǒng)及其它領(lǐng)域。在規(guī)范城市交通治安、打擊車輛偷盜、預(yù)防和減少交通事故等方面具有很高的實(shí)用價(jià)值。
　　在本文中，首先簡(jiǎn)單地介紹了國(guó)內(nèi)外車型識(shí)別技術(shù)的研究現(xiàn)狀，分析總結(jié)了目前車型識(shí)別技術(shù)面臨的一些挑戰(zhàn)和問(wèn)題。經(jīng)典的車型識(shí)別方法主要考慮了樣本的全局

2、特征，計(jì)算復(fù)雜度高，對(duì)光照、尺度等的變化情況魯棒性較差。Gabor特征能夠描述不同尺度和不同方向上的圖像局部特征信息，能忍受光照、尺度等的變化，本文又借鑒了人臉識(shí)別中的稀疏表示分類算法，提出了基于Gabor特征提取和稀疏表示分類的車型識(shí)別方法。
　　基于Gabor特征和稀疏表示分類的車型識(shí)別的實(shí)現(xiàn)主要包括三個(gè)模塊：樣本庫(kù)的建立、特征提取和車型分類。本文首先對(duì)獲取的車輛樣本圖像歸類，然后進(jìn)行預(yù)處理，獲取所需的車臉圖像樣本，一共選取了

3、60類不同類型的車輛進(jìn)行識(shí)別，每一類有10幅光照有變化的車臉圖像，圖像大小128*64；然后使用Gabor濾波提取樣本圖像的特征信息；最后使用基于稀疏表示的分類方法判斷待測(cè)樣本屬于哪個(gè)類別。首先分別在六個(gè)大小不同的數(shù)據(jù)集上（10，20，30，40，50，60）做實(shí)驗(yàn)對(duì)本文提出的算法的可行性進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明本文的算法是可行的，平均識(shí)別率可以達(dá)到92.8％，充分利用了樣本的局部特征，對(duì)光照變化具有魯棒性。然后通過(guò)對(duì)稀疏表示分類算法和本