提出了一種基于融合特征稀疏編碼模型的車(chē)輛品牌識(shí)別方法,該方法首先提取車(chē)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(jí)特征向量,然后將車(chē)臉圖像的一級(jí)特征向量作為過(guò)完備字典中訓(xùn)練樣本集的線(xiàn)性組合,并構(gòu)建非負(fù)性約束稀疏編碼模型,最后采用重構(gòu)誤差最小原則對(duì)車(chē)輛品牌進(jìn)行識(shí)別。基于東南大學(xué)的車(chē)臉數(shù)據(jù)庫(kù)進(jìn)行了試驗(yàn),結(jié)果表明,基于融合特征稀疏編碼模型的車(chē)輛品牌識(shí)別方法優(yōu)于HOG+SVM、傳統(tǒng)稀疏表示和字典學(xué)習(xí)稀疏表示的車(chē)輛品牌識(shí)別方法,其平均識(shí)別率達(dá)到96.16%。理論分析和試驗(yàn)結(jié)果表明,基于融合特征稀疏編碼模型的車(chē)輛品牌識(shí)別方法具有較強(qiáng)的魯棒性和適用性。 

【文章來(lái)源】：筑路機(jī)械與施工機(jī)械化. 2020,37(03)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

車(chē)輛圖像的HOG特征提取

東南大學(xué)車(chē)臉數(shù)據(jù)庫(kù)的部分圖像

計(jì)算所有車(chē)輛品牌識(shí)別結(jié)果的混淆矩陣,混淆矩陣對(duì)角線(xiàn)上的元素為車(chē)輛品牌的正確識(shí)別率。奧迪、別克、比亞迪、長(zhǎng)安、奇瑞、雪佛蘭、雪鐵龍、東風(fēng)、一汽大眾、福特、福田、重汽、長(zhǎng)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(biāo)致、躍進(jìn)、威望、吉利、通用、啟晨和五征一共30種車(chē)輛品牌的識(shí)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(chē)輛品牌的識(shí)別率達(dá)到了100%,20種車(chē)輛品牌的識(shí)別率高于90%,只有中國(guó)一汽和豐田2種車(chē)輛品牌的誤判率偏大,分別為89.33%和85.33%,說(shuō)明它們與其他車(chē)輛品牌存在較相似的細(xì)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(shù)木的陰影投射在車(chē)輛上)、天氣(如太陽(yáng)光線(xiàn)太足,導(dǎo)致車(chē)臉區(qū)域有反光)、人為(如車(chē)輛裝飾或文字繪畫(huà))等多方面的影響,車(chē)臉圖像通常存在一定噪聲。為進(jìn)一步考察基于融合特征稀疏編碼模型的車(chē)輛品牌類(lèi)型識(shí)別方法的魯棒性和適用性,選取52幅具有嚴(yán)重噪聲的車(chē)臉圖像,如圖4所示,分別包括強(qiáng)光反射、局部裝飾或遮擋、光線(xiàn)照射弱、運(yùn)動(dòng)模糊等測(cè)試樣本進(jìn)行試驗(yàn),試驗(yàn)結(jié)果如表2所示。由表2可知,52幅圖像的車(chē)輛品牌整體識(shí)別率為78.85%,其中測(cè)試樣本在光線(xiàn)照射弱的環(huán)境中識(shí)別錯(cuò)誤的序號(hào)有(1)、(2)、(12)、(21)、(23)、(24)、(25)、(26),在強(qiáng)光反射的環(huán)境中識(shí)別錯(cuò)誤的樣本序號(hào)有(35)、(36)、(42)。采用基于HOG特征及支持向量機(jī)(SVM)的車(chē)輛品牌分類(lèi)方法對(duì)52幅車(chē)輛品牌圖像進(jìn)行識(shí)別,則只有序號(hào)(30)為識(shí)別正確的測(cè)試樣本。試驗(yàn)結(jié)果表明,基于融合特征稀疏編碼模型的車(chē)輛品牌識(shí)別方法是最優(yōu)的。


本文編號(hào)：3064458