[发明专利]车辆品牌型号识别方法和系统

权利要求书

1.一种车辆品牌型号识别方法，其特征在于，包括：

获取训练图像信息，并提取所述训练图像信息的第一特征信息；

对所述训练图像信息进行随机字典学习，得到字典信息；

从所述字典信息中选取多组字码信息，并利用多组所述字码信息对所述第一特征信息进行处理，得到第一中级特征信息；

对所述第一中级特征信息进行训练，得到图像分类器；

获取当前图像信息，并提取所述当前图像信息的第二特征信息；

从多组所述字码信息中选取相应的字码信息，并利用所述相应的字码信息对所述第二特征信息进行处理，得到第二中级特征信息；

利用所述图像分类器对所述第二中级特征信息进行识别分类，得到当前图像的车辆品牌型号识别结果；

所述对所述训练图像信息进行随机字典学习，得到字典信息包括以下步骤：

步骤S1021，将所述训练图像信息随机划分为G个无交叉的类组，每个类组里包含一到多个图像类别的所有图像；

步骤S1022，将每个类组的所有图像当成同一大类，根据最大间隔多示例字典学习MMDL将所有同一类组下所提取的图像块局部特征集当做正样本，非该同一类组下的图像块局部特征集作为负样本；

步骤S1023，使用k-means聚类对正样本图像中的所有图像块局部特征聚成K个不同的簇心，并将负样本产生另一个簇，将每个类组生成K+1个簇心；

步骤S1024，根据MMDL将所述簇心训练得到一个线性支持向量机SVM；

步骤S1025，根据训练得到的SVM更新每个图像块局部特征的标签；

步骤S1026，重复步骤S1024和步骤S1025多次，生成最终的K+1个字码；

步骤S1027，重复步骤S1022-步骤S1026，针对每个类组进行步骤S1023和步骤S1024中的k-means聚类以及步骤S1024和步骤S1025中的迭代SVM学习，得到(K+1)×G个不同的字码，形成单次划分的字典；

步骤S1028，重复步骤S1021-步骤S1026Y次，根据Y次随机类组的划分并进行MMDL学习，产生了(K+1)×G×Y个不同的字码，得到所述字典信息。

2.根据权利要求1所述的车辆品牌型号识别方法，其特征在于，所述对所述第一中级特征信息进行训练，得到图像分类器包括：

对所述第一中级特征信息进行SVM训练，得到多个弱分类器；

为每个训练图像设置初始权重，并设置一个目标分类准确率；

利用SAMME算法，根据所述初始权重对各个所述弱分类器进行训练，得到各个所述弱分类器的权重和每个所述训练图像的更新权重；

根据各个所述弱分类器的权重计算强分类器，并计算所述强分类器的准确率；

如果所述强分类器的准确率大于所述目标分类准确率，则将所述强分类器作为所述图像分类器。

3.根据权利要求2所述的车辆品牌型号识别方法，其特征在于，所述利用SAMME算法，根据所述初始权重对各个所述弱分类器进行训练，得到各个所述弱分类器的权重和每个所述训练图像的更新权重包括，重复执行以下处理，直至各个所述弱分类器都被遍历：

更新每个所述训练图像的所述初始权重，得到第一权重；

从多个所述弱分类器中选取第一弱分类器；

根据所述第一弱分类器对所述训练图像信息进行分类，并根据所述第一权重参数计算所述第一弱分类器的分类错误率；

根据所述分类错误率计算所述第一弱分类器的权重；

根据所述第一弱分类器的权重更新所述第一权重，得到第二权重，并将所述第二权重作为每个所述训练图像的下一初始权重。