改进HOG特征的支持向量机工程车辆识别方法

作者：吴逸; 吴静静

来源：计算机与数字工程, 2023, 51(10): 2405-2412.

• 图像分类
• 前景提取
• 特征提取
• 特征降维
• 支持向量机

城市交通安全越发重要，工程运输车辆监控需求与日俱增。为提高城市道路智能监控系统的识别准确性，论文提出了基于改进梯度方向直方图（HOG）多级支持向量机（SVM）的工程车辆识别方法。首先，为避免帧间快速变化导致的混合高斯背景模型（GMM）误差，设计数字图像质量判断因子剔除信噪比低的视频帧，同时基于凸包算法分割前景中粘连的车辆轮廓，抑制不同视角与光线阴影对特征提取的干扰。其次针对HOG特征，融合对角线方向梯度细节，增强特征轮廓描述能力；基于分块梯度方向方差进行预筛选以剔除低信噪比分块，增强特征鲁棒性；并融合不同权值半径的局部二值模式（LBP）算子，添加纹理属性以增强特征针对相似轮廓信息的分辨能力。最后，根据工程车辆的特征特性设计多级SVM分类器，有效提升目标工程车辆的分类准确率。实验结果表明，论文针对工程车辆的识别准确率达92%、召回率达90%，能较好地完成道路工程车辆识别任务。

• 出版日期2023
• 单位江南大学