[发明专利]基于纠错输出编码的车型识别方法

说明书

技术领域

本发明属于车型识别技术领域，涉及一种基于纠错输出编码的车型识别方法。

背景技术

车型识别技术是一门集计算机图像处理技术、模式识别、工业测控技术、人工智能、系统工程等技术于一体的综合技术。目前大部分的车型识别技术主要是为了解决特定的问题而提出的，但不具有通用性，尤其应用到实际道路环境中其效果更是差强人意。车型识别问题是典型的多类分类问题，而当前处理该问题的典型做法是，收集一定量的提供类别标记的样本点作为训练集，通过对训练样本及其类别标记之间的统计模式关系的分析得到分类器，进而对未知类别标记的数据进行分类。但是在某些分类实例中，存在模型建立困难、缺乏有效的理论支持，及训练复杂度大等问题。

发明内容

本发明的目的在于提供一种基于纠错输出编码的车型识别方法，解决现有技术存在的模型建立困难，训练复杂度高的问题。

本发明的技术方案是，基于纠错输出编码的车型识别方法，包括车型特征提取、车型分类和分类结果评价。

本发明的特点还在于：

车型特征提取包括构建训练样本集、图像处理和特征提取；车型分类包括编码、分类训练和译码。

上述特征提取包括：

1、图像归一化处理；

2、边缘检测和提取；

3、基于梯度幅值的方向权重投影；

4、图像梯度方向直方图（HOG）结构的中块的特征向量归一化；

5、求解图像梯度方向直方图的最终特征向量。

上述图像归一化处理是将整个图像转化为灰度图，即通过Gamma标准式（1）转化；

I(x,y)＝I(x,y)^gamma    （1）

其中，I(x,y)表示图像中的像素点颜色信息。

上述边缘检测和提取为通过索贝尔（sobel）算法实现边缘检测和提取：

首先，通过式（2）计算梯度幅值G；

G=Gx2+Gy2---(2)]]>

其中G_x(x,y)和G_y(x,y)分别表示x和y方向的梯度；

然后，通过式（3）计算计算梯度方向θ；

θ(x,y)=tan-1[Gx(x,y)Gy(x,y)]---(3)]]>

式（3）中，将θ(p_i,j)的取值范围分成8个等分，以便将θ(p_i,j)量化，P_i,j表示样本的像素点；

最后，通过式（4），求以θ(p_i,j)为直方图的横坐标生成直方图H_t；