技術(shù)特征：
1.基于糾錯(cuò)輸出編碼的車型識(shí)別方法，其特征在于：包括車型特征提取、車型分類和分類結(jié)果評(píng)價(jià)；所述車型特征提取包括構(gòu)建訓(xùn)練樣本集、圖像處理和特征提??；所述特征提取包括：1、圖像歸一化處理，圖像歸一化處理是將整個(gè)圖像轉(zhuǎn)化為灰度圖，即通過Gamma標(biāo)準(zhǔn)式(1)轉(zhuǎn)化；I(x,y)＝I(x,y)gamma(1)其中，I(x,y)表示圖像中的像素點(diǎn)顏色信息；2、邊緣檢測(cè)和提取，邊緣檢測(cè)和提取為通過sobel算法實(shí)現(xiàn)邊緣檢測(cè)和提?。菏紫?，通過式(2)計(jì)算梯度幅值G；其中Gx即Gx(x,y)表示x方向的梯度，Gy即Gy(x,y)表示y方向的梯度；然后，通過式(3)計(jì)算梯度方向θ；式(3)中，將θ(pi,j)的取值范圍分成8個(gè)等分，以便將θ(pi,j)量化，Pi,j表示樣本的像素點(diǎn)；最后，通過式(4)，求以θ(pi,j)為直方圖的橫坐標(biāo)生成直方圖Ht；在式(4)中，3、基于梯度幅值的方向權(quán)重投影；4、圖像梯度方向直方圖結(jié)構(gòu)的中塊的特征向量歸一化；5、求解圖像梯度方向直方圖的最終特征向量；所述車型分類包括編碼、分類訓(xùn)練和譯碼。2.如權(quán)利要求1所述的基于糾錯(cuò)輸出編碼的車型識(shí)別方法，其特征在于：所述基于梯度幅值的方向權(quán)重投影，將圖像窗口分成若干個(gè)小區(qū)域，這些區(qū)域被稱為單元格；然后將每個(gè)單元格中所有像素的一維梯度直方圖或者邊緣方向累加到其中，最后將這個(gè)基本的方向直方圖映射到固定的角度上，就形成了最終的特征。3.如權(quán)利要求1所述的基于糾錯(cuò)輸出編碼的車型識(shí)別方法，其特征在于：所述圖像梯度方向直方圖結(jié)構(gòu)的中塊的特征向量歸一化，為使得塊內(nèi)特征向量空間對(duì)光照，陰影和邊緣變化具有魯棒性需通過歸一化實(shí)現(xiàn)，其歸一化通過式(5)實(shí)現(xiàn)；其中v表示一個(gè)還沒有被歸一化的向量，它包含了給定區(qū)間的所有直方圖信息；||v||k表示v的k階范數(shù)，k取1、2；ε表示一個(gè)趨近于0的很小的常數(shù)；ε是個(gè)很小的常值，避免分母為0。4.如權(quán)利要求1所述的基于糾錯(cuò)輸出編碼的車型識(shí)別方法，其特征在于：所述求解圖像梯度方向直方圖的最終特征向量，直方圖結(jié)構(gòu)的基本單位都是塊，每個(gè)塊由若干單元組成，一個(gè)單元又由若干個(gè)像素點(diǎn)組成；將檢測(cè)窗口中所有重疊的塊進(jìn)行HOG特征的收集，并將它們結(jié)合成最終的特征向量，即由單元中直方圖通道的數(shù)目、塊的數(shù)目及塊中單元的數(shù)目組成的高維向量供分類使用。