基于RPCA低秩模型的车辆外形识别研究

车辆外形识别作为车辆分类的依据具有重要现实应用价值.目前基于神经网络的车辆识别方法严重依赖于训练样本数量与质量,同时受限于训练时间长、泛化能力弱和可解释性差等不足.针对车辆外形识别问题,基于RPCA低秩模型,提出了利用低秩模型的车辆外形识别算法.首先,上述算法利用RPCA低秩模型提取出视频中目标物体的稀疏特征信息;然后,运用方向梯度直方图提取车辆的特征矩阵;最后,采用SVM分类器实现车辆外形的分类.实验结果表明,在较少的训练样本下,所提算法识别率或者准确率优于经典的PCA+SVM和Harr+AdaBoost算法,是一种可行的车辆外形识别算法.