[发明专利]一种基于视频费舍尔向量描述符的车型识别方法

权利要求书

1.一种基于视频费舍尔向量描述符的车型识别方法，包括以下步骤：

步骤1：对用于训练的车辆视频，跟踪视频中每一种车型的图像，提取该车型每一帧图像的SIFT特征；

步骤2：对提取的车型图像的所有SIFT特征进行费舍尔向量编码计算，得到费舍尔向量；

步骤3：对得到的费舍尔向量描述符进行PCA降维；

步骤4：对降维后的得到的费舍尔向量描述符进行二值化处理，得到该车型的视频费舍尔向量描述符；

步骤5：将得到的所有视频费舍尔向量描述符进行SVM训练，得到一个具有N个车型类别的识别系统；

步骤6：对测试车辆视频，同样提取视频中车辆图像的视频费舍尔向量描述符，将其导入步骤5中训练好的车型识别系统进行测试，识别出测试车辆视频的车型。

2.根据权利要求1所述基于视频费舍尔向量描述符的车型识别方法，其特征在于，所述步骤1中对用于训练的车辆视频，跟踪视频中每一种车型的图像，提取该车型每一帧图像的SIFT特征，包括以下几个步骤：

步骤1.1：跟踪训练视频中每一种车型图像；

步骤1.2：对跟踪到的车型的每一帧图像进行数据增强，得到每种车型的图像数据集；

步骤1.3：提取每种车型的图像数据集的SIFT特征。

3.根据权利要求1所述基于视频费舍尔向量描述符的车型识别方法，其特征在于，所述步骤2中对提取的车型图像的所有SIFT特征进行费舍尔向量编码计算，包括以下几个步骤：

步骤2.1：对提取的车型图像数据集的所有SIFT特征进行费舍尔向量编码计算，其中车型图像数据集中的一帧图像l的费舍尔编码向量表示为φ(l)；

步骤2.2：对每帧图像l的费舍尔编码向量φ(l)进行符号平方根处理：

sign(φ(l))/|φ(l)|,]]>

再对符号平方根处理后的向量进行L2归一化。

4.根据权利要求1所述基于视频费舍尔向量描述符的车型识别方法，其特征在于，所述步骤3对编码得到的费舍尔向量描述符进行PCA降维，包括学习一个投影矩阵W，将费舍尔向量描述符从R^D维降至R^m维。

5.根据权利要求1所述基于视频费舍尔向量描述符的车型识别方法，其特征在于，所述步骤4对降维后的费舍尔向量描述符进行二值化处理，得到该车型的视频费舍尔向量描述符，包括以下几个步骤：

步骤4.1：步骤3中计算得到的费舍尔向量描述符，构成一个矩阵：U∈R^q×m；

步骤4.2：通过符号函数，sign(a)＝1，iffa＞0进行二值化，得到一个二值化向量：

β＝sign(Uψ-w)

其中ψ是降维后的费舍尔向量描述符，w是所选阈值，当Uψ＞w，β＝1，反之β＝0；

步骤4.3：得到一个q位的二值化编码描述符β＝{0,1}^q，也即该车型的视频费舍尔向量描述符。

6.根据权利要求1所述基于视频费舍尔向量描述符的车型识别方法，其特征在于，所述步骤5将得到的所有描述符进行SVM训练，得到一个具有N个车型类别的识别系统，包括使用onevsrestSVM训练一个多类分类器，得到具有N类类别的识别系统。