一种改进的2DPCA车脸识别方法

燕磬+杨安平+陈凌宇

摘要： 传统的2DPCA算法在识别的过程中需要计算出训练样本的平均值，在训练样本过多图像分辨率过高的情况下，无疑会使得计算时间过长，为了解决这个问题，在此提出了一种将样本数据重新排列之后提取中间的某些数求简化均值的方法，以此简化均值数重建散布矩阵。实验之后表明，在训练样本较多时且训练图像分辨率较高时，识别速度有大幅提高，且取得了较高的识别率。

关键词： 二维主成分分析； 特征提取； 简化均值； 车脸识别

中图分类号： TN919⁃34； U495； TP391.4文献标识码： A 文章编号： 1004⁃373X（2014）08⁃0123⁃03

An improved method of car face recognition based on 2DPCA

YAN Qing， YANG An⁃ping， CHEN Ling⁃yu

（Changsha University of Science & Technology， Changsha 410004， China）

Abstract： The traditional 2DPCA algorithm needs to calculate the mean of training samples in the recognition process. However， it will spend too long time if there are too many training samples and the image resolution is too high. In order to solve this problem， a new two demension principal component analysis （2DPCA） method based on simplified mean that extracts some numbers in the middle after sampling data re⁃arrangement is proposed. The simplified mean is used to reconstruct the scatter matrix. The experiment result shows that this method can increase in recognition speed and has a higher recognition rate even if there are too many training samples or the image resolution is too high.

Keyword： 2DPCA； feture extraction； simplified mean； car face recognition

0引言

车脸识别作为一种新兴的智能交通技术在道路管理，交通安全，公安稽查，物流运输等方面受到广泛的关注。由于套牌车，无牌车，假牌车，导致车型难以辨别，对公安稽查，交通肇事等各个方面造成了不便。因此，车脸识别在实际运用中将对道路安全，公安稽查起到很大帮助。当下，车辆识别的主要方法有基于物理测量的车型识别，其通过各种方法测量出汽车的长宽高等物理量进行测量，得到大量的尺寸数据，其测量过程中需要用到大量的机械设备，测试过程复杂低效。另一种方法则是基于图像的检测方法，该方法所需要使用的设备简单，只需要简单的几个摄像头即可，安装简便，并且无需接触测量，速度快、效率高。

基于图像处理的车脸识别方法主要有以下几种：以散热器格栅作为ROI（Region of Interesting），用“蒙板二值化分层”求出原图像共生矩阵，再根据共生矩阵对车脸纹理进行识别；……