论文部分内容阅读
车标信息在智能交通领域有着广泛的应用价值。单一的车标识别方法存在识别率低和漏检率高的问题。针对这种情况，本文实现了一种基于SVM多分类器和ASIFT匹配相结合的车标识别方法。首先对经过变换的车标样本提取HOG特征和使用SVM训练出基于车标类型概率的多分类器，然后对每类车标提取SIFT特征并建立基于模板特征融合的车标模板库，最后使用SVM多分类器和ASIFT匹配相结合完成车标识别。实验结果表明：本文方法提高了车标的识别率，而且对发生平移、旋转或者定位不精确的车标能够降低误识别率和漏检率。