受光照強(qiáng)度變化影響,同一車輛在不同時段采集的車臉圖像可能會存在差異,如車身顏色、車燈狀態(tài)等,為了使識別方法對多種光照條件具有普適性,提出了一種孿生非負(fù)矩陣分解模型。首先,將每一對訓(xùn)練樣本車臉圖像的初始特征分配在兩個非負(fù)矩陣分解模型中;然后,融合分解后的誤差損失,類內(nèi)損失,類間損失,設(shè)計了一種孿生非負(fù)矩陣分解模型,其中,兩個非負(fù)矩陣分解模型共享同一特征基;最后,基于梯度下降法對模型進(jìn)行求解,獲得共享特征基,并基于余弦距離實(shí)現(xiàn)了車臉圖像的匹配。實(shí)驗(yàn)結(jié)果表明,對于存在一定光照差異條件下采集的兩幅車臉圖像,提出的算法仍能獲得較為準(zhǔn)確的重識別結(jié)果,錯誤接受率與錯誤拒絕率均可降低至6%以下。 

【文章來源】：儀器儀表學(xué)報. 2020,41(06)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

車臉區(qū)域分割

孿生NMF模型

數(shù)據(jù)集中部分樣本

【參考文獻(xiàn)】：
期刊論文
[1]Hand Vein Recognition Algorithm Based on NMF with Sparsity and Clustering Property Constraints in Feature Mapping Space[J]. JIA Xu,SUN Fuming,LI Haojie,CAO Yudong.  Chinese Journal of Electronics. 2019(06)
[2]弱監(jiān)督卷積神經(jīng)網(wǎng)絡(luò)的多目標(biāo)圖像檢測研究[J]. 謝曉蔚,史健芳.  電子測量與儀器學(xué)報. 2019(06)
[3]基于字符特征約束的自適應(yīng)車牌校正提取[J]. 費(fèi)繼友,謝金路,李花,王英邗,陳東東.  儀器儀表學(xué)報. 2016(03)



本文編號：3395393