基于最优参数搜索的车辆中网识别方法研究

• 作者: 艾艳可 郏东耀 黄轲
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 车型识别 中网 双角度约束 特征参数 支持向量机
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 论文
• 页码范围: 1321-1326
• 页数: 6页
• 分类号: TP391.41
• 字数: 5924字
• 语种: 中文
• DOI: 10.3724/SP.J.1146.2013.01244

摘要

目前国内外车型识别方法中基于中网区域特征的研究较少，且分类识别的效率和精度较低。该文在分析中网格栅区域结构特征、中网窗口形状特征及区域纹理特征的基础上，提出基于最优参数搜索的改进型 C 参数的支持向量分类(C-SVC)车辆中网分类识别方法，该方法采用双角度约束以提高分类的效率和精度，即一方面设计基于马氏距离和“as-原则”对样本数据进行优化分选，并结合加权判别算法加快支持向量机的训练测试速度，以提高算法泛化效率；另一方面在核函数参数设定过程中，设计了基于先验知识的迭代最优参数搜索算法，以提高分类器的分类识别精度。实验表明，上述车辆中网识别方法检测准确率达到97.53%，具有精度高、误检率低的优点，同时极大优化分类识别效率，能够满足识别分类的实时性要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郏东耀	北京交通大学电子信息工程学院	11	49	5.0	6.0
2	艾艳可	北京交通大学电子信息工程学院	2	13	2.0	2.0
3	黄轲	北京交通大学电子信息工程学院	2	15	2.0	2.0