基于CNN多特征联合和多核稀疏表示的车型识别方法

摘要

基于CNN多特征联合和多核稀疏表示的车型识别方法，利用智能交通相机拍摄包括复杂场景下的车辆图像，首先对车辆图像进行预处理，然后基于CNN中AlexNet网络，设计5个卷积层与3个全连接层自动提取车辆的全局与局部特征，将第1,2,5池化层和第6,7全连接层的特征图按列拉伸后作为车辆特征分量分别输入到5个不同的单核函数中，并通过加权融合形成一个联合特征矩阵；然后基于多核学习和稀疏表示算法，求解每个核函数的权值和联合特征矩阵的投影矩阵，最后根据核稀疏最小重构误差实现对车辆类型的识别。本发明能够实时进行车型识别，提取出需要的交通流信息，解决交通拥堵问题，有利于公路网的总体规划及道路建设。