基于曼哈顿距离加权协同表示分类的车辆识别

作者：罗涛; 冯玉田^*; 王瑞

来源：计算机测量与控制, 2019, 27(08): 151-156.

DOI：10.16526/j.cnki.11-4762/tp.2019.08.032

• 稀疏表示
• 协同表示
• 加权编码
• 欧氏距离
• 曼哈顿距离
• 声频传感器网络
• 车辆识别

加权稀疏表示分类(WSRC)在声频传感器网络下的车辆识别中取得了不错的效果;但是稀疏表示分类(SRC)中实际上起较大作用的是字典中所有类的协同表示,因此协同表示分类(CRC)被提出用来提升算法效率,CRC框架还改进了残差计算方式来提高识别精度;在WSRC中发现保局性对提升识别率起到很好的作用,因此在CRC中引入加权编码,提出了声频传感器网络下基于加权协同表示分类(WCRC)的车辆识别方法,取得了明显的速度(相比WSRC、SRC)以及不错的精度(对比WSRC、CRC、SRC)提升;同时针对欧氏距离对样本相似性判断的不足,将曼哈顿距离引入加权编码,进一步地提出了基于曼哈顿距离加权协同表示分类(Manhattan-WCRC)的车辆识别方法,取得了最高的识别率,而运算速度与WCRC接近。

• 单位
  上海大学; 通信与信息工程学院