基于Gabor特征和稀疏表示的車型識別技術(shù)研究.pdf

1、車型識別技術(shù)是智能交通系統(tǒng)中一個重要的研究領(lǐng)域，也是圖像處理、機器學(xué)習(xí)、計算機視覺等領(lǐng)域中一個具有挑戰(zhàn)性的課題。該技術(shù)可以應(yīng)用于高速公路管理體系、交通監(jiān)控與車輛檢測系統(tǒng)、車輛管理系統(tǒng)、車輛繳費系統(tǒng)及其它領(lǐng)域。在規(guī)范城市交通治安、打擊車輛偷盜、預(yù)防和減少交通事故等方面具有很高的實用價值。
　　在本文中，首先簡單地介紹了國內(nèi)外車型識別技術(shù)的研究現(xiàn)狀，分析總結(jié)了目前車型識別技術(shù)面臨的一些挑戰(zhàn)和問題。經(jīng)典的車型識別方法主要考慮了樣本的全局

2、特征，計算復(fù)雜度高，對光照、尺度等的變化情況魯棒性較差。Gabor特征能夠描述不同尺度和不同方向上的圖像局部特征信息，能忍受光照、尺度等的變化，本文又借鑒了人臉識別中的稀疏表示分類算法，提出了基于Gabor特征提取和稀疏表示分類的車型識別方法。
　　基于Gabor特征和稀疏表示分類的車型識別的實現(xiàn)主要包括三個模塊：樣本庫的建立、特征提取和車型分類。本文首先對獲取的車輛樣本圖像歸類，然后進行預(yù)處理，獲取所需的車臉圖像樣本，一共選取了

3、60類不同類型的車輛進行識別，每一類有10幅光照有變化的車臉圖像，圖像大小128*64；然后使用Gabor濾波提取樣本圖像的特征信息；最后使用基于稀疏表示的分類方法判斷待測樣本屬于哪個類別。首先分別在六個大小不同的數(shù)據(jù)集上（10，20，30，40，50，60）做實驗對本文提出的算法的可行性進行驗證。實驗結(jié)果表明本文的算法是可行的，平均識別率可以達到92.8％，充分利用了樣本的局部特征，對光照變化具有魯棒性。然后通過對稀疏表示分類算法和本