基于中层特征的细粒度的车型识别

发布时间：2021-04-21 23:14

　　为提高细粒度车型识别的准确率,提升智能停车场、智能交通监管系统的可靠性,针对低层特征在车型识别中精确不高的问题,提出一种基于中层特征的细粒度分类算法。其核心是使用筛选算法筛选中层特征,使得筛选后特征具有较高的表示性,提高识别的准确率。使用Adaboost算法进行车脸定位,减少后期的计算量,去除干扰因素。该算法无需GPU等计算资源,方便部署。与BOW、SPM、CNN等通用的分类模型相比,其准确率有较大提升。在大众数据集中的实验结果表明,其平均准确率为95.65%,平均耗时为0.82s。 

【文章来源】：计算机工程与设计. 2020,41(06)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 车脸定位
2 中层特征提取
3 特征编码
4 实验结果与分析
5 结束语


【参考文献】：
期刊论文
[1]基于深度卷积神经网络的多任务细粒度车型识别[J]. 王海瑶,唐娟,沈振辉.  图学学报. 2018(03)
[2]基于改进词包模型的车型识别算法[J]. 康珮珮,于凤芹,陈莹.  计算机与数字工程. 2018(05)
[3]基于改进HOG特征提取的车型识别算法[J]. 耿庆田,赵浩宇,于繁华,王宇婷,赵宏伟.  中国光学. 2018(02)
[4]基于局部抑制线性编码的图像快速识别方法[J]. 陈光喜,龚震霆,温佩芝,任夏荔.  计算机科学. 2016(05)
[5]采用稀疏SIFT特征的车型识别方法[J]. 张鹏,陈湘军,阮雅端,陈启美.  西安交通大学学报. 2015(12)

硕士论文
[1]基于SURF算子的车型识别方法[D]. 丁士杰.大连理工大学 2014



本文编号：3152676