论文摘要
在针对现有的智能交通对车辆多维信息识别存在识别精度不高的情况,特别是对于车标识别,很大程度上识别结果依赖于高分辨和高质量的图像.提出了一种新的车标识别方法,用于识别卡口捕获的低质量车标图像,该方法是基于D-S证据理论的特征融合方法,提取Hu不变矩和HOG特征,采用不同的分类器构造基本概率分配（BPA）,采用改进D-S证据理论进行融合,根据判别规则给出最终的识别结果.通过实验证明在低分辨的情况下仍能保持较高的准确率,分类准确率达94.29%,相比单一的特征识别,具有更强的鲁棒性.
论文目录
文章来源
类型: 期刊论文
作者: 陈仿雄,程良伦,黄国恒
关键词: 车标识别,基本概率分配,证据理论,特征融合,鲁棒性
来源: 计算机系统应用 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用
单位: 广东工业大学自动化学院
基金: 国家重点研发计划(2016YFC0800506)~~
分类号: U495;TP391.41
DOI: 10.15888/j.cnki.csa.006757
页码: 207-212
总页数: 6
文件大小: 595K
下载量: 104