基于SVM和ASIFT的车标识别方法
车标信息在智能交通领域有着广泛的应用价值.单一的车标识别方法存在识别率低和漏检率高的问题.针对这种情况,本文实现了一种基于SVM多分类器和ASIFT匹配相结合的车标识别方法.首先对经过变换的车标样本提取HOG特征和使用SVM训练出基于车标类型概率的多分类器,然后对每类车标提取SIFT特征并建立基于模板特征融合的车标模板库,最后使用SVM多分类器和ASIFT匹配相结合完成车标识别.实验结果表明：本文方法提高了车标的识别率,而且对发生平移、旋转或者定位不精确的车标能够降低误识别率和漏检率.
车标识别 图像匹配 方向梯度直方图 支持向量机 分类概率估计 仿射尺度不变特征变换
杨飚 周阳
北方工业大学机电工程学院,北京 100041
国内会议
珠海
中文
215-220
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）