一种新的基于模板匹配的车型识别-论文.pdf

一种新的基于模板匹配的车型识别-论文.pdf

ID:53769068

大小:1.47 MB

页数:6页

时间:2020-04-25

一种新的基于模板匹配的车型识别-论文.pdf_第1页
一种新的基于模板匹配的车型识别-论文.pdf_第2页
一种新的基于模板匹配的车型识别-论文.pdf_第3页
一种新的基于模板匹配的车型识别-论文.pdf_第4页
一种新的基于模板匹配的车型识别-论文.pdf_第5页
资源描述:

《一种新的基于模板匹配的车型识别-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、IIV。脚A解【本文献信息】李涛,李冬梅,唐红强,等.一种新的基于模板匹配的车型识别[J].电视技术,2014,38(15)一种新的基于模板匹配的车型识别李涛,李冬,唐红强,赵雪专,黄仁杰(1.电子科技大学计算机科学与工程学院,四川成都611731;2.河南广播电视大学信息工程系,河南郑州450008;3.中国科学院成都计算机应用研究所图像事业部,四川成都610041)【摘要】为提高当前车型检测在交通场景下的实时性和准确性,提出了一种新的基于模板匹配的车型识别方法。首先,基于车辆区域的显著性设计了非均匀采点,然后采用梯度量化,二进制图像,线性化内存等手段实现模板的并行化匹配,最后通

2、过k—means聚类产生多层次的车型模板索引,实现快速查表的车型匹配算法。实验表明,该算法能实时高效地实现交通场景下的车型识别。【关键词】车型识别;显著区域;模板匹配;梯度量化【中图分类号】TP391.4【文献标志码】ANovelVehicleTypeRecognitionBasedonTemplateMatchingLITao,LIDongmei,TANGHongqiang,ZHA0Xuezhuan’,HUANGRetie(J.SchoolofComputerScienceandEngineering,UniversityofElectronicScienceandTechnol

3、ogyofChina,Chengdu611731,China;2.DepartmentofInformationEngineering,ttenanRadio&TelevisionUniversity,Zhengzho~450008,China;3.ChengduInstituteofComputerApplication,ChineseAcademyofScience,Chengdu610041,China)【Abstract】InordertOimprovethereal—timeperformanceandaccuracyofthevehicletyperecognition

4、inrealtraficscenes,anovelmethodofvehicletyperecognitionbasedontemplatematchingisproposed.Firstly.pointsareadoptedwi血non-uniformsamplingbasedonsalientregionsincontoursofve-hicle.Then,somemethodsare印pliedforrealizingparallelpatternmatching,suchasquantizingthegradientorientations,binarizedimages,

5、linearizingthememo~.Finally,thefastvehicletyperecognitionthroughlookuptablesisrealizedbythehierarchicalindexofvehicletypetemplatewithk-meanscluste—ring.TheresultsshowthatthealgorithmCanrecognizevehicletypeintraficsceneseficiently.【Keywords】vehicletyperecognition;salientregion;templatematching;

6、quantizedgradient随着我国经济迅速发展,汽车作为快捷便利的交通工针对车型模板匹配方法的缺陷J,本文提出了一种具迅速得到普及,其数量的迅速增长给城市交通带来了巨新的基于模板匹配的车型快速识别方法。首先本文通过大压力,也让交通管理人员的工作变得繁重。为了能够实车型显著区域密集采点和非显著区域稀疏采点的非均匀时准确地处理交通情况,智能交通系统(IntelligentTrans-方式,建立车型模板,从而大量减少匹配点数量,有效减少portationSystems,ITS)应运而生。基于图像处理的车型识匹配时间;其次通过梯度扩展,二进制图形表示,线性化内别是智能交通系统的重要

7、分支,但由于汽车所处多为非约存等实现了匹配时的并行计算,并进行尺寸归一化处理,束环境,复杂多变,而且同类车型类问差异较大,所以车型减少模板库中模板量,同时提高了匹配速度和匹配的准确识别一直都是难点问题。率;最后根据车辆外观等信息,利用k—means聚类针对不基于图像的车型识别主要有:1)基于特征的车型识同车型建立子空间,在此基础上建立分层次的车型模板别¨,如采用Harris角点特征,Gabor特征,和SIVI"库,加速了模板索引的速度,缩短了车型匹配的时间。实(Sca

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。