一种用于智能交通系统中的动态车辆车型识别方法

摘要

本发明公开了一种用于智能交通系统的动态车辆车型识别方法，特征是包括以下步骤：a运动车辆的车型学训练步骤，在分辨率归一化后，提取HOG、GIST特征，然后分别通过基于支持向量机进行归类学，并相应获得第一、第二分类器识别模型；b运动车辆的车型识别步骤，根据相应的运动对象分割算法将运动车辆提取出来，在分辨率归一化后，将提取的HOG、GIST特征分别输入到第一、第二识别模型进行初始预测，并分别获得第一、第二初始结果；c初始结果融合步骤，输入第一初始结果与第二初始结果，通过D-S证据理论融合规则进行结果融合，得到最大概率值，完成运动车辆的车型识别。本发明结构简单，复杂度低，算法效率高，特别适合在智能交通系统中应用。

主权项

一种用于智能交通系统中的动态车辆车型识别方法，其特征在于包括以下步骤：a运动车辆的车型学习训练步骤，首先对样本车辆图像进行分辨率归一化处理，再提取描述图像整体梯度分布的HOG特征与描述整幅图像内容的GIST特征，然后分别通过基于支持向量机的学习算法进行归类学习，并相应获得第一分类器识别模型与第二分类器识别模型；b运动车辆的车型识别步骤，首先，根据相应的运动对象分割算法将所获取的运动车辆的视频图像即当前待识别车辆的视频图像提取出来，然后对其进行分辨率归一化，再提取相应的HOG特征与GIST特征，最后将HOG特征与GIST特征分别输入到第一分类器识别模型与第二分类器识别模型进行初始预测，并分别获得第一初始结果与第二初始结果；各初始结果中包含当前待识别车辆属于某一类别的概率值，该概率值与某一个车型类别相对应；c初始结果融合步骤，输入第一初始结果与第二初始结果，通过D‑S证据理论融合规则进行结果融合，得到最大概率值，最大概率值对应的车型类别，即为当前待识别车辆的类别，至此完成运动车辆的车型识别。