發(fā)布時間：2021-04-21 23:14

　　為提高細(xì)粒度車型識別的準(zhǔn)確率,提升智能停車場、智能交通監(jiān)管系統(tǒng)的可靠性,針對低層特征在車型識別中精確不高的問題,提出一種基于中層特征的細(xì)粒度分類算法。其核心是使用篩選算法篩選中層特征,使得篩選后特征具有較高的表示性,提高識別的準(zhǔn)確率。使用Adaboost算法進(jìn)行車臉定位,減少后期的計算量,去除干擾因素。該算法無需GPU等計算資源,方便部署。與BOW、SPM、CNN等通用的分類模型相比,其準(zhǔn)確率有較大提升。在大眾數(shù)據(jù)集中的實驗結(jié)果表明,其平均準(zhǔn)確率為95.65%,平均耗時為0.82s。 

【文章來源】：計算機(jī)工程與設(shè)計. 2020,41(06)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 車臉定位
2 中層特征提取
3 特征編碼
4 實驗結(jié)果與分析
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的多任務(wù)細(xì)粒度車型識別[J]. 王�，�,唐娟,沈振輝.  圖學(xué)學(xué)報. 2018(03)
[2]基于改進(jìn)詞包模型的車型識別算法[J]. 康珮珮,于鳳芹,陳瑩.  計算機(jī)與數(shù)字工程. 2018(05)
[3]基于改進(jìn)HOG特征提取的車型識別算法[J]. 耿慶田,趙浩宇,于繁華,王宇婷,趙宏偉.  中國光學(xué). 2018(02)
[4]基于局部抑制線性編碼的圖像快速識別方法[J]. 陳光喜,龔震霆,溫佩芝,任夏荔.  計算機(jī)科學(xué). 2016(05)
[5]采用稀疏SIFT特征的車型識別方法[J]. 張鵬,陳湘軍,阮雅端,陳啟美.  西安交通大學(xué)學(xué)報. 2015(12)

碩士論文
[1]基于SURF算子的車型識別方法[D]. 丁士杰.大連理工大學(xué) 2014



本文編號：3152676