基于改进SIFT特征的车型分类.docVIP

  基于改进 SIFT 特征的车型分类 茅袁辉，赵志诚** （北京邮电大学信息与通信工程学院） 5 10 15 20 摘要：本文提出了一种对小型车中的小轿车、出租车、微型厢式车进行分类的算法。基于图 像边缘点生成改进的 SIFT 特征，并通过对边缘点进行 K-均值聚类生成可重复的图像特征, 构造关于 SIFT 特征的概率星座模型，并用贝叶斯(Bayes)决策准则对车型进行分类。车型分 类的准确率在 94%以上，实验结果表明本文提出的方法是有效的。 关键词：车型分类；边缘检测；K-均值聚类；贝叶斯决策；星座模型 中图分类号：TP37 Vehicle Classification Based on Modified SIFT Feature Mao Yuanhui, Zhao Zhicheng (School of Information Communication Engineering, Beijing University of Posts Telecommunications, Beijing 100876) Abstract: In this paper we propose an approach to vehicle classification about sedan, taxi and minivan. We develop a modified SIFT feature based on edge points, and a repeatable image features based on groups segmented by K-means clustering technique. A constellation model is developed based on SIFT features, And a Bayesian decision rule is used on vehicle classification. In the experiment, the accuracy of vehicle classification is over 94%. Experimental results show the proposed approach is effective. Key words: Vehicle Classification; Edge Detection; K-means Clustering; Bayesian Detection; Constellation Model 25 0 引言 随着车辆总量的不断增加，我们在享受道路交通带来便利的同时，也为交通阻塞以及交 通事故的日益恶化而焦虑。智能交通系统(Intelligent Transportation System，ITS)便是旨在对 上述问题提出一些根本性解决方案。 30 35 40 智能交通系统发展的一个重点是对车辆进行正确的分类识别。车辆信息的采集按照检测 手段以及安装方式可以分为对道路有损坏的和无损坏的两大类。有损坏的方式包括感应线 圈、动态称重等识别方法，这种方式安装和维护都必然损坏路面，装置本身的使用寿命较短， 获取的交通信息也比较少，因此并没有推广开来。而对路面无损坏的方式，其检测方法包括 可见光、红外、超声、激光等成像或者综合利用这几种方法，这种方式有着安装简单，检测 参数多，实时性强，性价比高等优势，目前已成为智能交通系统研究的热点。 目前国内外车型模式识别技术的研究主要集中于以下两个方向：一是广义车型识别，分 出机动车辆属于某一大的类型，如小型车辆、中型车辆、大型车辆等。二是狭义车型识别， 即区分车辆属于的具体车型，如小型车可分为小轿车、出租车和微型厢式车等。对于重要场 所的安保、公安侦缉、交通肇事追捕、嫌疑车辆监控、市场统计及流量分析等应用领域，要 求车型识别分类越细越好，如识别出具体车型或车牌。因此狭义车型识别具有十分广阔的应 用前景。因此，本文考虑对小型车中的小轿车、出租车和微型厢式车(minivan)三种车进行细 作者简介：茅袁辉（1985-），男，硕士研究生，主要研究方向：模式识别，计算机视觉 通信联系人：赵志诚（1976-），男，讲师，主要研究方向：视频检索，模式识别，计算机视觉. E-mail: zhaozc@bupt.edu.cn -1- 分类。 1 基于边缘点的车辆特征 车辆特征提取的具体步骤如下：  45  1.1 (1) 提取车辆图像的边缘点； (2) 生成基于边缘点的特征描述符； (3) 对边缘点聚类，生成边缘点类，用边缘点的类特征的集合表示该车辆的特征。 车辆图像边缘点的提取 在车型识别工作中，提取的边缘点的好坏直接影响到后面的描述符生成及聚类工