基于HOG和ASIFT特征的车标二次识别

摘要

车标信息在智能交通领域有着广泛的应用价值.当前的车标识别方法存在漏检率高、识别率低的问题.为此提出了一种基于HOG和ASIFT特征相结合的车标二次识别方法.首先对变换后的训练样本提取HOG特征并使用SVM训练出基于概率分类的多分类器模型;其次提取模板样本的SIFr特征并使用特征点融合策略建立车标模板库.最后使用SVM多分类器和ASIFT匹配相结合完成车标二次识别.训练样本大小、样本数量、模板类型等因素导致车标平均识别率不同.而且,上述法的车标平均识别率高于单一的识别方法的识别率.改进方法能够提高车标识别率且有效减少误识别率和漏检率.