河北工业大学电子信息工程学院, 天津 300401
为了提高模型在道口环境下的车辆图像的特征提取和识别能力,提出了一种基于改进残差网络的车辆分类方法。首先以残差网络为基础模型,改进了残差块中激活函数的位置,并将残差块中的一般卷积用分组卷积代替,引入注意力机制,用焦点损失函数替换交叉熵损失函数。实验部分先用公开数据集Stanford Cars进行预训练,再用自建的道口车辆数据集进行迁移学习。结果表明,改进模型在两个数据集中的准确率均优于几种经典的深度学习模型。
机器视觉 注意力机制 车型识别 残差网络 损失函数 激光与光电子学进展
2021, 58(4): 0415009
1 长春师范大学 计算机科学与技术学院, 吉林 长春 130032
2 吉林大学 计算机科学与技术学院, 吉林 长春 130012
3 吉林大学 学报编辑部, 吉林 长春 130012
本文针对高速环境下的车型识别问题, 提出基于方向可控滤波器的改进HOG算法。将方向可控滤波器算法与HOG算法相结合, 以实现对车辆图像特征提取。采用主成分分析算法（PCA)约减特征向量维数以减少计算复杂度, 利用支持向量机算法对提取特征进行样本训练, 实现对车辆外型特征的识别。仿真实验结果表明: 采用该算法原始车辆车型的识别正确率均值达到9236%; 另外, 本文方法的识别速度比传统的HOG特征算法提高了345%, 识别实时性得到提升。本文算法比传统HOG算法更优, 能有效提高车型识别的效率。
车型识别 HOG特征 方向可控滤波器 vehicle type recognition HOG feature steerable filter
提出融合局部二值模式(LBP)和Hu矩特征的车型识别算法。LBP特征能够很好地对车辆局部纹理进行描述，Hu矩属于全局特征，反映了车辆的形状轮廓信息，将这两种互补特征结合能更好地表达车型特征。设计了融合特征的提取方法，并结合支持向量机分类器构建了车型识别系统。实验结果表明，融合算法比单一的特征算法性能更优，提高了车型识别率。
机器视觉 车型识别 特征融合 融合局部二值模式 Hu矩 激光与光电子学进展
2016, 53(10): 101503
1 四川大学电子信息学院激光微纳工程研究所， 四川 成都 610064
2 华北光电技术研究所, 北京 100015
结合机械振动原理方程分析计算了不同结构参数下的3自由度的1/4汽车结构的振动响应理论曲线及振动频谱图；运用激光外差技术测量原理设计搭建了汽车振动信息实验测量方案；针对外形近似、发动机输出信息相同的情况，采用视频成像法对存在识别盲点的两车进行了振动信息采集实验。通过分析采集到的振动信号的时域、频谱曲线，成功地找到了甲乙两车频谱的标志特征点，很好地对两车进行了标志与区分，弥补了视频成像车型识别法的盲点，为基于激光检测汽车振动信号的车辆识别技术提供了理论和实验基础依据。
测量 激光外差 振动分析 车型识别 中国激光
2014, 41(11): 1108001
