论文部分内容阅读
为了满足车辆在线应用所需的实时性和准确性，提出了一种在线实时车辆验证的解决方法．首先，基于对车辆图像对称特性的分析，提出了垂直对称HOG描述子，用来提取图像的特征．在车辆分类阶段，为了提高算法的实时性，使用极限学习机作为分类器．与其他经典算法的实验数据进行比较，结果表明基于垂直对称HOG和极限学习机的车辆验证方法能够在算法的运行效果与计算代价方面取得较好的折中，并且能够在尽可能保证算法效果的同时降低计算开销．实验结果进一步表明，提出的车辆验证方法在执行效率和准确性方面均能取得较好的效果，能够满足车辆的在线