留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多特征融合的车辆识别技术

程全 樊宇 刘玉春 王志良

程全, 樊宇, 刘玉春, 王志良. 多特征融合的车辆识别技术[J]. 红外与激光工程, 2018, 47(7): 726003-0726003(6). doi: 10.3788/IRLA201847.0726003
引用本文: 程全, 樊宇, 刘玉春, 王志良. 多特征融合的车辆识别技术[J]. 红外与激光工程, 2018, 47(7): 726003-0726003(6). doi: 10.3788/IRLA201847.0726003
Cheng Quan, Fan Yu, Liu Yuchun, Wang Zhiliang. Multi-feature fusion vehicle identification technology[J]. Infrared and Laser Engineering, 2018, 47(7): 726003-0726003(6). doi: 10.3788/IRLA201847.0726003
Citation: Cheng Quan, Fan Yu, Liu Yuchun, Wang Zhiliang. Multi-feature fusion vehicle identification technology[J]. Infrared and Laser Engineering, 2018, 47(7): 726003-0726003(6). doi: 10.3788/IRLA201847.0726003

多特征融合的车辆识别技术

doi: 10.3788/IRLA201847.0726003
基金项目: 

国家自然科学基金(61401526);河南省科技厅科技攻关项目(182102210151,182102310761)

详细信息
    作者简介:

    程全(1978-),男,副教授,硕士,主要从事智能控制方面的研究。Email:quan8888@126.com

  • 中图分类号: TP391

Multi-feature fusion vehicle identification technology

  • 摘要: 针对运动车辆目标识别问题提出了一种自然场景下车辆识别方法。首先采用图像差分技术对目标车辆的显著特征进行统计学习,并将学习所得目标局部特征以及图像进行编码,根据以上两个信息实现目标车辆的显著性检测。其次针对车辆运动的复杂性,采用分块投影匹配方法进行全局运动估计和补偿,并利用差分技术进行运动特征检测。然后将目标车辆的显著性特征与运动特征进行融合,从而获得更精确的候选目标区域。最后对候选区域进一步使用视觉显著特征进行目标判别。实验表明该方法具有较好的目标判别性能,能较好地解决自然场景下运动车辆的识别问题。
  • [1] Shindler Luca. Using optical flow equation for particle detection and velocity prediction inparticle tracking[J]. Applied Mathematics and Computation, 2012, (218):8684-8689.
    [2] Shi Jie, Li Yinya, Qi Guoqing, et al. Machine vision based passive tracking algorithm with intermittent observations[J]. Journal of Huazhong University of Science and Technology(Natural Science Edition), 2017, 45(6):33-37. (in Chinese)
    [3] Shan Zhongde, Zhang Fei, Ren Yongxin, et al. On line detection technology of the hardness of cast iron parts based on machine vision[J]. Journal of Mechanical Engineering, 2017, 53(1):158-164. (in Chinese)
    [4] Chen Junjun, Xu Bing. Research on machine vision image clearness under fog and haze weather conditions[J]. Computer Engineering, 2017, 43(2):280-285, 292. (in Chinese)
    [5] Ding Peng, Zhang Ye, Jia Ping, et al. Ship detection an sea surface based on multi-feature and multi-scale visual attention[J]. Optics and Precision Engineering, 2017, 25(9):2462-2468. (in Chinese)
    [6] Fu Wenlong, Zhang Mengjie. Low-level feature extraction for edge detection using genetic programming[J]. IEEE Transactions Cybernetics, 2014, 44:1459-1472.
    [7] Chen Mingsheng, Liang Guangming, Sun Jixiang, et al. Fast moving object detection method using temporal spatial back ground model[J]. Jourmal of Image and Graphics, 2011, 16(6):1002-1007. (in Chinese)
    [8] Song Yanming, Pan Zhikang, Meng Xiaochen, et al. Multispectral visual image processing method based on adaptive regulation of humanoid eye[J]. Infrared and Laser Engineering, 2017, 46(9):0910001. (in Chinese)
    [9] Yang Hang, Wu Xiaotian, Wang Yuqing. Image restoration approach based on structure dictionary learning[J]. Chinese Optics, 2017, 10(2):207-218. (in Chinese)
    [10] Sun Qian, Feng Hao, Zeng Zhoumo. Recognition of optical fiber pre-warning system based on image processing[J]. Optics and Precision Engineering, 2015, 23(2):334-341.
    [11] Zhang Zhi, Lin Xuling, He Hongyan. Filtering method for remote sensing image based on quantum mechanics[J]. Infrared and Laser Engineering, 2016, 45(12):1204005. (in Chinese)
    [12] Zheng W M, Zhou X Y, Zou C R, et al. Facial expression recognition using kernel canonical correlation analysis[J]. IEEE Transactions on Neural Networks, 2014, 17(1):233-238.
    [13] Chang C C, Lin C J. LIBSVM:A library for support vector machines[J]. Transactions on Intelligent Systems and Technology, 2011, 2(27):1-27.
    [14] Hou X, Zhang L. Saliency detection:A spectral residual approach[C]//IEEE International Conference on Computer Vision and Pattern Recognition, 2007:1-8.
    [15] Chen Ying, Zhu Ming. Multiple sub-histogram equalization low light level image enhancement and realization on FPGA[J]. Chinese Optics, 2014, 7(2):225-233. (in Chinese)
  • [1] 赵毅强, 张琦, 刘长龙, 武唯康, 李尧.  结合物理与几何特性的机载LiDAR数据分类方法 . 红外与激光工程, 2023, 52(11): 20230212-1-20230212-12. doi: 10.3788/IRLA20230212
    [2] 张学志, 赵红东, 刘伟娜, 赵一鸣, 关松.  基于改进YOLOv5的红外车辆检测方法 . 红外与激光工程, 2023, 52(8): 20230245-1-20230245-10. doi: 10.3788/IRLA20230245
    [3] 王鹏翔, 张兆基, 杨怀.  结合多特征融合和极限学习机的红外图像目标分类方法 . 红外与激光工程, 2022, 51(6): 20210597-1-20210597-6. doi: 10.3788/IRLA20210597
    [4] 孙鹏, 于跃, 陈嘉欣, 秦翰林.  基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀) . 红外与激光工程, 2022, 51(4): 20220167-1-20220167-8. doi: 10.3788/IRLA20220167
    [5] 陈宏宇, 罗海波, 惠斌, 常铮.  采用多特征融合的子块自动提取方法 . 红外与激光工程, 2021, 50(8): 20200407-1-20200407-9. doi: 10.3788/IRLA20200407
    [6] 吴剑波, 陆正武, 关玉蓉, 王庆东, 姜国松.  二维压缩感知多投影矩阵特征融合的SAR目标识别方法 . 红外与激光工程, 2021, 50(6): 20200531-1-20200531-7. doi: 10.3788/IRLA20200531
    [7] 申亚丽.  基于特征融合的RGBT双模态孪生跟踪网络 . 红外与激光工程, 2021, 50(3): 20200459-1-20200459-7. doi: 10.3788/IRLA20200459
    [8] 徐云飞, 张笃周, 王立, 华宝成.  非合作目标局部特征识别轻量化特征融合网络设计 . 红外与激光工程, 2020, 49(7): 20200170-1-20200170-7. doi: 10.3788/IRLA20200170
    [9] 龚肖, 史金龙, 廖芳.  点特征柔性物体三维运动恢复方法 . 红外与激光工程, 2018, 47(9): 917009-0917009(7). doi: 10.3788/IRLA201847.0917009
    [10] 谢冰, 段哲民.  基于SAE与底层视觉特征融合的无人机目标识别算法 . 红外与激光工程, 2018, 47(S1): 197-205. doi: 10.3788/IRLA201847.S126004
    [11] 裴晓敏, 范慧杰, 唐延东.  时空特征融合深度学习网络人体行为识别方法 . 红外与激光工程, 2018, 47(2): 203007-0203007(6). doi: 10.3788/IRLA201847.0203007
    [12] 葛宝义, 左宪章, 胡永江, 张岩.  基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
    [13] 陈宇, 温欣玲, 刘兆瑜, 马鹏阁.  稀疏自动编码器视觉特征融合的多弹分类算法研究 . 红外与激光工程, 2018, 47(8): 826004-0826004(8). doi: 10.3788/IRLA201847.0826004
    [14] 张仲瑜, 焦淑红.  多特征融合的红外舰船目标检测方法 . 红外与激光工程, 2015, 44(S1): 29-34.
    [15] 赵爱罡, 王宏力, 杨小冈, 陆敬辉, 何星.  融合几何特征的压缩感知SIFT描述子 . 红外与激光工程, 2015, 44(3): 1085-1091.
    [16] 崔法毅.  色度马氏距离图与灰度图特征自适应融合的彩色人脸识别 . 红外与激光工程, 2015, 44(4): 1382-1389.
    [17] 杨绪峰, 林伟, 延伟东, 温金环.  采用热核特征的SAR图像目标识别 . 红外与激光工程, 2014, 43(11): 3794-3801.
    [18] 王欢欢, 杨清平, 王向军.  物体特征的快速检测与识别方法 . 红外与激光工程, 2014, 43(3): 1002-1008.
    [19] 杜兴, 张荣庆.  基于色彩和纹理特征融合的模糊人脸识别方法 . 红外与激光工程, 2014, 43(12): 4192-4197.
    [20] 龚卫国, 刘润瑶, 张睿.  光照突变下融合多类特征的场景分割方法 . 红外与激光工程, 2014, 43(12): 4164-4169.
  • 加载中
计量
  • 文章访问数:  461
  • HTML全文浏览量:  76
  • PDF下载量:  61
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-02-05
  • 修回日期:  2018-03-03
  • 刊出日期:  2018-07-25

多特征融合的车辆识别技术

doi: 10.3788/IRLA201847.0726003
    作者简介:

    程全(1978-),男,副教授,硕士,主要从事智能控制方面的研究。Email:quan8888@126.com

基金项目:

国家自然科学基金(61401526);河南省科技厅科技攻关项目(182102210151,182102310761)

  • 中图分类号: TP391

摘要: 针对运动车辆目标识别问题提出了一种自然场景下车辆识别方法。首先采用图像差分技术对目标车辆的显著特征进行统计学习,并将学习所得目标局部特征以及图像进行编码,根据以上两个信息实现目标车辆的显著性检测。其次针对车辆运动的复杂性,采用分块投影匹配方法进行全局运动估计和补偿,并利用差分技术进行运动特征检测。然后将目标车辆的显著性特征与运动特征进行融合,从而获得更精确的候选目标区域。最后对候选区域进一步使用视觉显著特征进行目标判别。实验表明该方法具有较好的目标判别性能,能较好地解决自然场景下运动车辆的识别问题。

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回