基于稀疏贝叶斯分类器的汽车车型识别  

Vehicle Model Recognition System Based on Sparse Bayesian Classification

作　　者：张旭东[1] 钱玮[1] 高隽[2] 方廷健[1] 

机构地区：[1]中国科技大学自动化系,安徽合肥230027 [2]合肥工业大学计算机与信息学院,安徽合肥230009

出　　处：《小型微型计算机系统》2005年第10期1839-1841,共3页Journal of Chinese Computer Systems

基　　金：国家自然科学基金(60375011)资助安徽省优秀青年科技基金(04042044)资助教育部"新世纪优秀人才计划"校科研发展基金资助(030501F)项目

摘　　要：稀疏贝叶斯方法在处理分类问题上具有良好的推广性,并且使用较少的核函数,介绍了一个实时的车型识别系统．它 以每点色彩信息的高斯混合模型来实现对视频图像的背景估计,从而实现对汽车的检测;利用稀疏贝叶斯分类器对检测到的汽 车进行车型分类.实验结果表明稀疏贝叶斯分类器不仅具有支持向量机的性能,而且比SVM使用更少的按函数．实验取得了 较好的分类效果．Sparse Bayesian treatment is a state-of-the-art technique for regression and classification, combining excellent generalization properties with a sparse kernel representation. An approach to classify vehicle model in real time is presented in the paper. A per-pixel color-based mixture Gaussian model is used as the background updating method, thus vehicles are segmented. Sparse Bayesian classification is applied to recognize and classify vehicle models. Examples demonstrates Sparse Bayesian Classification achieves comparable recognition accuracy to the SVM, yet provides a full predictive distribution, and also requires substantially fewer kernel functions. Experimental results are efficient for classification.

关 键 词：高斯混合模型 运动目标检测 稀疏贝叶斯 支持向量机 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]