[发明专利]一种基于SRC和SVM组合分类器的交通视频车辆识别方法

摘要

本发明公开了一种基于稀疏表示(SRC)和支持向量机(Support Vector Machine，SVM)组合分类器的交通视频车辆识别方法，通过字典训练(K‑SVD)算法对车辆样本的方向梯度直方图(Histogram of Oriented Gradient，HOG)特征进行训练得到过完备字典，从而构建稀疏表示(Sparse Representation‑based Classifier，SRC)分类器；同时将车辆正负样本和待分类样本的HOG特征进行稀疏重构，用重构的特征训练SVM分类器。最后利用SRC分类器和基于重构的SVM的线性加权构成组合分类器，完成车辆识别的综合决策。本发明提高整个系统在粘连、遮挡、目标类别多样等复杂交通场景中的识别率和鲁棒性，缩小训练时间。

主权项

一种基于SRC和SVM组合分类器的交通视频车辆识别方法，其特征在于包括以下步骤：1)对读取的交通视频进行预处理后采用背景差分的方法获取运动目标区域；2)对正负样本集和待分类的运动目标提取HOG特征；3)对正负样本集和待分类的运动目标的HOG特征通过K‑SVD算法对SRC和SVM组合分类器的字典进行训练得到过完备字典D′和稀疏系数向量、并归一化后进行稀疏重构；4)用稀疏重构的特征去完成SVM的训练，并得到相应的判决模型；5)SRC和基于稀疏重构的SVM分类器对待分类的运动目标加权综合决策；6)将判决结果反馈到视频图像中，并播放视频，完成识别。