利用局部特征的子空间车辆识别算法

doi:10.3778/j.issn.1002-8331.2010.30.046

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (30): 156-158.DOI: 10.3778/j.issn.1002-8331.2010.30.046

• 图形、图像、模式识别 • 上一篇下一篇

利用局部特征的子空间车辆识别算法

刘怀愚，李璟，洪留荣

淮北师范大学计算机科学与技术学院，安徽淮北 235000

收稿日期:2010-06-28 修回日期:2010-08-23 出版日期:2010-10-21 发布日期:2010-10-21
通讯作者: 刘怀愚

Subspace vehicle recognition algorithm using local features

LIU Huai-yu，LI Jing，HONG Liu-rong

School of Computer Science & Technology，Huaibei Normal University，Huaibei，Anhui 235000，China

Received:2010-06-28 Revised:2010-08-23 Online:2010-10-21 Published:2010-10-21
Contact: LIU Huai-yu

摘要/Abstract

摘要：

利用改进的主成分分析（Principal Component Analysis，PCA）方法，通过研究不同的车辆特征（如全局特征、各种局部特征）对静态图像车辆识别效果的影响，提出了一种新的静态图像车辆识别算法。该算法可有效降低光照和背景噪声对识别的影响，实现对存在部分遮挡的车辆检测。实验结果表明，该算法具有良好的鲁棒性和车辆识别率。

关键词: 静态图像, 车辆识别, 主成分分析, 局部特征, 遮挡检测

Abstract: Utilize the method of principal components analysis to research the influence to the recognition result caused by different vehicle features（such as global feature，various kinds of local features），a new vehicle recognition algorithm is proposed.The proposed algorithm can reduce the influence of lighting conditions and background noise effectively and detect partially occluded vehicles accurately.Testing results demonstrate that by using the proposed algorithm the vehicle detection can be realized with a strong robusticity and high identification ratio.

Key words: static image, vehicle recognition, principal component analysis, local feature, occlusion detection

中图分类号:

TP391.41

刘怀愚，李璟，洪留荣. 利用局部特征的子空间车辆识别算法[J]. 计算机工程与应用, 2010, 46(30): 156-158.

LIU Huai-yu，LI Jing，HONG Liu-rong. Subspace vehicle recognition algorithm using local features[J]. Computer Engineering and Applications, 2010, 46(30): 156-158.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[3]	郑亮，陈亚，陈小潘，郑逢斌. 人脸局部特征增强的亲属关系验证方法[J]. 计算机工程与应用, 2021, 57(23): 226-233.
[4]	肖雅妮，范馨月，陈文峰. 多分支融合局部特征的行人重识别算法[J]. 计算机工程与应用, 2021, 57(18): 213-219.
[5]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[6]	张东梅，买日旦·吾守尔，古兰拜尔·吐尔洪. 面向高维混合不平衡信贷数据的单类分类方法[J]. 计算机工程与应用, 2021, 57(10): 233-240.
[7]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[8]	邱宁佳，王晓霞，王鹏，周思丞，王艳春. 结合迁移学习模型的卷积神经网络算法研究[J]. 计算机工程与应用, 2020, 56(5): 43-48.
[9]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[10]	徐家臻，李婷，杨巍. 多尺度局部特征选择的行人重识别算法[J]. 计算机工程与应用, 2020, 56(2): 141-145.
[11]	邱宁佳，沈卓睿，王辉，王鹏. 通信垃圾文本识别的半监督学习优化算法[J]. 计算机工程与应用, 2020, 56(17): 121-128.
[12]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[13]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[14]	陈佳，刘冬雪，武大硕. 基于特征选取与LSTM模型的股指预测方法研究[J]. 计算机工程与应用, 2019, 55(6): 108-112.
[15]	牛亚茜，冀小平. 基于卷积神经网络的图像检索算法研究[J]. 计算机工程与应用, 2019, 55(18): 201-206.

利用局部特征的子空间车辆识别算法

Subspace vehicle recognition algorithm using local features

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics