提出了一種基于融合特征稀疏編碼模型的車輛品牌識別方法,該方法首先提取車臉圖像的方向梯度直方圖特征作為融合特征稀疏編碼模型的一級特征向量,然后將車臉圖像的一級特征向量作為過完備字典中訓練樣本集的線性組合,并構(gòu)建非負性約束稀疏編碼模型,最后采用重構(gòu)誤差最小原則對車輛品牌進行識別�；跂|南大學的車臉數(shù)據(jù)庫進行了試驗,結(jié)果表明,基于融合特征稀疏編碼模型的車輛品牌識別方法優(yōu)于HOG+SVM、傳統(tǒng)稀疏表示和字典學習稀疏表示的車輛品牌識別方法,其平均識別率達到96.16%。理論分析和試驗結(jié)果表明,基于融合特征稀疏編碼模型的車輛品牌識別方法具有較強的魯棒性和適用性。 

【文章來源】：筑路機械與施工機械化. 2020,37(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

車輛圖像的HOG特征提取

東南大學車臉數(shù)據(jù)庫的部分圖像

計算所有車輛品牌識別結(jié)果的混淆矩陣,混淆矩陣對角線上的元素為車輛品牌的正確識別率。奧迪、別克、比亞迪、長安、奇瑞、雪佛蘭、雪鐵龍、東風、一汽大眾、福特、福田、重汽、長城、本田、現(xiàn)代、江淮、日產(chǎn)、鈴木、豐田、上海大眾、五菱、海馬、起亞、標致、躍進、威望、吉利、通用、啟晨和五征一共30種車輛品牌的識別率分別為98.67%、98.00%、96.67%、98.67%、92.67%、95.33%、95.33%、94.00%、89.33%、96.67%、94.67%、90.67%、98.67%、97.33%、94.00%、94.00%、94.00%、100.00%、85.33%、100.00%、100.00%、98.67%、98.67%、100.00%、96.67%、99.33%、100.00%、100.00%、100.00%、100.00%。其中,8種車輛品牌的識別率達到了100%,20種車輛品牌的識別率高于90%,只有中國一汽和豐田2種車輛品牌的誤判率偏大,分別為89.33%和85.33%,說明它們與其他車輛品牌存在較相似的細節(jié)特征信息,如圖3所示。豐田品牌大多被誤判為比亞迪品牌。由于受道路(如道旁樹木的陰影投射在車輛上)、天氣(如太陽光線太足,導致車臉區(qū)域有反光)、人為(如車輛裝飾或文字繪畫)等多方面的影響,車臉圖像通常存在一定噪聲。為進一步考察基于融合特征稀疏編碼模型的車輛品牌類型識別方法的魯棒性和適用性,選取52幅具有嚴重噪聲的車臉圖像,如圖4所示,分別包括強光反射、局部裝飾或遮擋、光線照射弱、運動模糊等測試樣本進行試驗,試驗結(jié)果如表2所示。由表2可知,52幅圖像的車輛品牌整體識別率為78.85%,其中測試樣本在光線照射弱的環(huán)境中識別錯誤的序號有(1)、(2)、(12)、(21)、(23)、(24)、(25)、(26),在強光反射的環(huán)境中識別錯誤的樣本序號有(35)、(36)、(42)。采用基于HOG特征及支持向量機(SVM)的車輛品牌分類方法對52幅車輛品牌圖像進行識別,則只有序號(30)為識別正確的測試樣本。試驗結(jié)果表明,基于融合特征稀疏編碼模型的車輛品牌識別方法是最優(yōu)的。


本文編號：3064458