基于融合特征的車輛識(shí)別.pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，車輛在人們生活中扮演著重要角色。智能交通系統(tǒng)(ITS)提供了一套高效便捷的城市交通管理方案，用以緩解車輛融入城市所造成的問(wèn)題，車輛識(shí)別作為 ITS的核心功能之一，方法繁多并各有缺陷，有待改進(jìn)。
　　本文提出了對(duì)車臉組件提取不同特征的方法，不同于傳統(tǒng)的局部特征提取方法，車臉組件特征很好地反映了車臉內(nèi)部的細(xì)節(jié)，著重表現(xiàn)車臉不同組件的結(jié)構(gòu)特性。車臉組件特征分為車燈組件的邊緣特征，格柵組件的紋理特征，保險(xiǎn)杠組件的 SU

2、RF特征。它們各自表現(xiàn)了對(duì)應(yīng)車臉組件最突出的特征信息，有很高的區(qū)分度。
　　本文使用詞袋模型融合不同的組件特征構(gòu)建一個(gè)能表征車輛的融合特征向量，融合特征向量的構(gòu)造方法為：對(duì)車燈、保險(xiǎn)杠組件構(gòu)建各自的視覺(jué)詞典，由視覺(jué)詞典得到圖像的視覺(jué)詞袋，最終獲得詞頻特征向量。格柵組件的紋理特征向量用格柵對(duì)Gabor濾波器的響應(yīng)值獲取，由其對(duì)不同方向的 Gabor濾波器響應(yīng)值判斷出格柵的主方向，總響應(yīng)值以及響應(yīng)極值數(shù)量，計(jì)算響應(yīng)值的強(qiáng)度與分布，組合

3、這些數(shù)據(jù)為一個(gè)向量作為紋理特征向量。線性擴(kuò)展獲得的三個(gè)組件特征向量作為融合特征向量，融合特征向量的維數(shù)為組件特征向量維數(shù)之和。
　　在本文設(shè)計(jì)的車輛識(shí)流程中，對(duì)輸入車輛圖像，使用車輛檢測(cè)器確定車輛位置后，使用水平、豎直積分投影截取出最大化車臉，做進(jìn)一步預(yù)校正：剔除車牌無(wú)用信息、中值濾波去噪。對(duì)最大化車臉提取車臉組件特征，由詞袋模型融合后獲取融合特征，與車輛數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)匹配，輸出最優(yōu)結(jié)果。
　　實(shí)驗(yàn)結(jié)果表明，本文所用方法