资源描述：
《基于改进的hmax算法的车型识别应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、ComputerScienceandApplication计算机科学与应用,2012,2,233-239doi:10.4236/csa.2012.25041PublishedOnlineDecember2012(http://www.hanspub.org/journal/csa.html)ImprovedHMAXModelforVehicleTypeRecognition**JiacongHe,HengjinCai,JuanDeng,HengLv,QiaochuLiuInternationalSchoolofSoftware
2、,WuhanUniversity,Wuhan**Email:hejiacongtheone@gmail.com,hydra6@gmail.com,1043665920@qq.comthstthReceived:Oct.12,2012;revised:Nov.1,2012;accepted:Nov.14,2012Abstract:ThepaperimplementstheimprovedHMAXmodelforvehicletype(makeandmodel)recognition.Themainimprovementofthi
3、salgorithmisusingITTImodelwiththecharacteristicofquickresponsetocolor,intensityororien-tationdiscrimination,toselectthesaliencyarea.Bythiswaythetemplatecanbemorerepresentativeandmorebenefi-cialtothedetectionrate.Inaddition,thecalculatingofthevarianceofresponsedegree
4、betweendifferentimagesandthesametemplateeliminatesredundanttemplates,whichmakecontributiontoreducingthetimeofclassification.Analyz-ingandexperimentsclaimsthattheimprovedHMAXmodelcanbeeffectiveandreliablebythedetectionrateat95%,withenoughfeaturesextracted,5%-10%highe
5、rthancurrentvehicletyperecognitionmethodsand1%-2%higherthanoriginalHMAXmodel.Inaddition,withthetemplatescreeningmethodadded,theimprovedHMAXmodelcankeepthedetectionrateandcurtailtheclassificationtimebyquartertime.Accordingtotheoptimalsettingbythefinalvalueestimation,
6、thedetectionrateisabout92%,andtheclassificationtimeis0.6s/image,withpromotiontothepast.Keywords:VehicleTypeRecognition;VisualSaliency;FeatureExtraction;HMAXModel基于改进的HMAX算法的车型识别应用**何佳聪，蔡恒进，邓娟，吕恒，刘翘楚武汉大学国际软件学院，武汉#*Email:hejiacongtheone@gmail.com,hydra6@gmail.com,1043
7、665920@qq.com收稿日期：2012年10月12日；修回日期：2012年11月1日；录用日期：2012年11月14日摘要：本文实现了将改进的HMAX算法应用于车型识别领域。算法的主要创新点是采用ITTI显著性算法选取车辆图片显著点构造图库，通过采用对颜色、亮度和朝向三方面敏感度的综合，构造更具代表性的模板库，提高了算法的识别率。此外，通过计算同一模板与不同图片响应度值的方差，消除了冗余模板，降低了算法识别时间。分析和实验表明，改进的HMAX算法可以有效地实现车型识别，新提出的算法相对原先HMAX模型在识别率可以提高1%
8、~2%，相对当前存在的其他车型识别算法在识别率方面可提升约5%~10%，在保证特征数量的前提下，识别率接近95%；此外，加入模版筛选方法的改进算法相对于原先HMAX模型在识别率基本保持不变的条件下，识别时间可以缩减到原先的1/4，最终根据效益值评估的最优组合中，识别率约为92
