浙江大学硕士学位论文基于图像分类的车型识别方法研究和

浙江大学硕士论文基于图像分类的车辆识别的研究与实现随着我国的快速发展和人口的大量增加，城市交通问题，特别是交通拥堵问题日益严重。智能交通系统的关键技术之一是车辆识别，它不仅在智能交通中具有广阔的应用前景，也是计算机视觉、机器科学和图像处理领域的研究热点。目前基于图像的车辆识别方法主要是利用图像处理技术对图像进行分割得到汽车的前景，然后根据轮廓的大小、面积、形状或不变量矩等特征来识别车型。 , 但这种方法一般缺乏扩展性。性别。克服上述缺点的可行方案是使用基于机器的整体图像分类方法来识别车辆模型。本文详细研究了图像分类的相关技术，其中词袋（Bag.of-Feature，BOF）模型被广泛应用于各种前沿的图像分类算法中。但在BOF模型的建立过程中，图像的矢量量化操作存在较大的重构误差。本文采用基于稀疏表示模型的图像分类方法进行车辆识别，可以有效降低重构误差。整个车辆分类识别研究分为三个部分：局部特征提取、稀疏表示模型构建和机器学习分类器。主要工作如下：1.主要研究SIFT（尺度不变特征变换）和ORB作为代表的局部纹理特征提取算法，比较了两种算法在车辆识别中的表现。

2 详细分析稀疏表示模型的构建过程在线识别车型，重点研究字典学习和稀疏编码算法。针对一般稀疏表示模型中离线学习词典的方法存在内存消耗大、速度慢的缺点，本文提出在线学习****词典。同时，还研究了两种添加空间位置信息的方法，空间金字塔匹配和空间错配核。这样建立的特征模型向量可以为分类器提供一个非常好的分类数据模型。3.研究各种基本的机器学习分类算法，如K-近邻、决策树和朴素贝叶斯，然后重点研究支持向量机分类算法的原理。本文针对模型向量的大维数，提出使用直方图交集核作为支持向量机的核函数，实现了更快的计算速度和很好的分类精度。速度。4.将本文提出的方法与使用BOF模型和SVM分类器的图像分类算法在车模数据库上进行对比，进一步证实了该方法可以达到更高的可靠性和准确性。关键词：车辆识别，支持向量机，稀疏编码，图像分类，直方图交叉核智能交通系统（ITS）。作为ITS的关键技术之一。车辆识别技术不仅具有显着的实用价值在线识别车型，而且Isois正在寻找人工智能的热点，

转载： 免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。 http://www.taobao28.info/news/20220328234.html

很赞哦！