一种基于LBP与HOG联合特征的车标识别方法

摘要

在基于视频的现代交通监控中,车牌作为车辆的重要信息仍存在识别不准的情况,车标作为车辆的另一个清晰且重要的标志,能够很好的辅助车辆检测.针对多数车标识别方法中难以精准定位、对恶劣环境适应性不强的问题,本文提出一种基于SVM二分类的车标识别方法,选取方向梯度直方图(HOG)和改进的局部二值化特征(LBP)作为特征训练标准支持向量机(SVM)分类器,以一对多的方式实现多分类,将非车标样本也加入到训练负样本中,即使定位稍有偏差也能够正确做出分类,且部署简单,在光照变化和噪声污染的情况下仍能保持较高的准确率,能适应恶劣环境,分类准确率高达99.41％,具有较强的泛化能力.