一种基于目标优化学习的车标识别方法

摘要

近年来,车标识别因其在智能交通系统中的重要作用,受到研究者的广泛关注。传统的车标识别算法多基于手工描述子,需要丰富的先验知识,且难以适应复杂多变的现实应用场景。相比手工描述子,特征学习方法在解决复杂场景的计算机视觉问题时具有更优性能。因此,提出一种基于目标优化学习的车标识别方法,基于从原图像中提取的像素梯度差矩阵,通过目标优化,自主学习特征参数。然后将像素梯度差矩阵映射为紧凑的二值矩阵,通过特征码本的方式对特征信息进行编码,生成鲁棒的特征向量。基于公开车标数据集HFUT-VL1和XMU进行实验,并与其他车标识别方法进行比较。实验结果表明,与基于传统特征描述子的方法相比,该算法识别率更高,与基于深度学习的方法相比,训练和测试时间更少。