基于HOG和SVM的级别自适应车型识别算法  

A level-adaptive algorithm for vehicle types recognition based on HOG and SVM

作　　者：吴迪[1] 蔡晓东[1] 华娜[1] 朱利伟[1] 梁奔香 

机构地区：[1]桂林电子科技大学信息与通信学院,广西桂林541004

出　　处：《桂林电子科技大学学报》2016年第1期23-28,共6页Journal of Guilin University of Electronic Technology

基　　金：国家科技支撑计划(2014BAK11B02);广西自然科学基金(2013GXNSFAA019326);桂林电子科技大学研究生教育创新计划(GDYCSZ201410)

摘　　要：针对现有智能交通系统中视频车辆车型识别方法存在的误检率高、效率低的问题,提出一种基于梯度方向直方图和支持向量机(SVM)的级别自适应车型识别算法。选择大车车头和小车车身的HOG特征作为车辆描述特征,建立一种新的级别自适应模型,以提高检测识别效率;采用SVM训练分类方法,设计了模板匹配策略,构造两类车型分类器,以提升识别准确度。通过标准的交通卡口实验,表明该算法不仅在正常的光照条件下具有较高的识别效率和较低的误检率,而且在不同的光照条件下具有很好的鲁棒性。A level-adaptive algorithm based on histogram of oriented gradient（HOG）feature and support vector machine （SVM） is presented to improve recognition rate and efficiency in vehicle recognition. Firstly the HOG features of front part of big car and body of small car are chosen. Secondly a novel level-adaptive model（LAM） is designed to increase efficiency of detection and identification. Furthermore, a SVM classification strategy is utilized for designing a matching template to raise identification accuracy. Experimental results show that the proposed mechanism can provide high recognition rate, low false alarm rate and good robustness in different lighting conditions.

关 键 词：智能交通系统 梯度方向直方图 支持向量机 级别自适应模型 模板匹配 

分 类 号：TP392.4[自动化与计算机技术—计算机应用技术]