基于高阶空间特征聚合的车型识别算法

来源：电子测量技术杂志2025年第4期北京时间：

作者：杨潞霞，薛映昭，张红瑞，马永杰

单位：1.太原师范学院计算机科学与技术学院 晋中 030619; 2.智能优化计算与区块链技术山西省重点实验室 晋中 030619; 3.西北师范大学物理与电子工程学院 兰州 730070

摘要：针对复杂交通场景下车型目标密集、遮挡而造成的车型识别精度低的问题，提出基于高阶空间特征聚合的车型识别算法。首先，在特征提取的下采样阶段，设计了HSIDM模块，实现更深层次的特征聚合，减少细小信息损失。其次，在特征融合部分设计了DMFAM模块，动态调整各尺度特征的权重，获取多尺度的上下文信息，以增强模型对多样化特征的适应能力。然后，设计解耦REL-Head检测头，将分类和回归任务拆解，避免任务混杂，增强局部特征的学习能力与抗干扰能力。最后，将本文模型部署到边缘设备进行测试。实验结果显示，本文算法在复杂度交通场景数据集BIT-Vehicle和UA-DETRAC上，mAP相较于原模型分别提升了0.7%和3.9%，并在边缘设备上可以流畅运行，具有较好的识别效果。表明所提出的方法能够有效提高车型识别的精度并应用于受限设备。

关键词：车型识别;高阶空间交互;动态多尺度特征聚合;解耦检测头

基金资助：国家自然科学基金（62066041）、山西省重点研发计划（202102010101008）、山西省高等学校科技创新项目（2024L295）资助