摘要：目前国内外车型识别方法中基于中网区域特征的研究较少，且分类识别的效率和精度较低。该文在分析中网格栅区域结构特征、中网窗口形状特征及区域纹理特征的基础上，提出基于最优参数搜索的改进型 C 参数的支持向量分类（C-SVC）车辆中网分类识别方法，该方法采用双角度约束以提高分类的效率和精度，即一方面设计基于马氏距离和“as-原则”对样本数据进行优化分选，并结合加权判别算法加快支持向量机的训练测试速度，以提高算法泛化效率；另一方面在核函数参数设定过程中，设计了基于先验知识的迭代最优参数搜索算法，以提高分类器的分类识别精度。实验表明，上述车辆中网识别方法检测准确率达到97.53%，具有精度高、误检率低的优点，同时极大优化分类识别效率，能够满足识别分类的实时性要求。

关键词：车型识别 中网 双角度约束 特征参数 支持向量机 

单位：北京交通大学电子信息工程学院 北京100044