基于多視角特征的車型識別方法.pdf

1、車型識別是智能交通系統(tǒng)(Intelligent Transportation System，ITS)的關鍵技術之一。縱觀國內(nèi)外關于車型識別的研究，多數(shù)基于某一個或一種特征對車型進行分類，其識別準確率僅在特定情況下具有穩(wěn)定性，并且為獲得較高識別精度，需進行大量的數(shù)據(jù)分析，但冗余信息較多，影響到了目標識別的實時性。同時，識別分類方法的自適應優(yōu)化學習機制也有待進一步完善。
　　針對上述問題，本論文提出了一種基于多視角特征的車型識別方法，

2、旨在更加快速、準確地完成車型的識別。論文的主要研究內(nèi)容包括:
　　1、多視角多維特征參數(shù)體系的建立。本文建立了包含前視角、側(cè)視角、尾視角的多視角的多維特征混合樹形結(jié)構體系，并提出了一種基于自適應顯著性水平集的輪廓模型用于對體系中不同視角的區(qū)域分割，該模型采用基于二維凸包的顯著性初始輪廓曲線自適應定位算法來獲取演化曲線的初始位置，同時采用正則化的P-M方程替代原Li模型中的高斯濾波。在此基礎上，完成了對不同視角的優(yōu)化特征參數(shù)的定義及

3、量化處理。
　　2、特征參數(shù)優(yōu)化方法的研究。本文研究了一種基于改進型核獨立成分分析的特征參數(shù)降維優(yōu)化方法，該方法通過KICA算法獲取圖像多維特征的獨立基元以構造獨立基子空間，采用2DPCA算法完成圖像去二階相關和進一步降維處理。同時，本文提出了基于Amari誤差和平均相關度作為評價標準的降維效果評價方法。對比仿真實驗表明，該參數(shù)優(yōu)化方法能夠完成對多維特征參數(shù)的有效降維約簡。
　　3、基于改進型支持向量機分類識別模型的提出。本

4、文提出了一種基于組合核函數(shù)的自適應支持向量機分類模型，該模型研究了組合核函數(shù)以及組合超參數(shù)組的確定，在此基礎上，采用雙角度約束以提高分類識別的效率和精度，即一方面設計基于馬氏距離和“aσ-原則”實現(xiàn)對樣本數(shù)據(jù)進行自動優(yōu)化分選，并結(jié)合加權判別算法加快支持向量機的訓練測試速度;另一方面設計了基于先驗知識的迭代最優(yōu)參數(shù)自適應搜索算法用于核函數(shù)參數(shù)的設定，以提高分類器的分類識別精度。
　　仿真實驗結(jié)果表明，基于自適應顯著性水平集的輪廓模型