基于圖像處理的車型識別

基于圖像處理的車型識別,基于,圖像,圖象,處理,車型,識別,辨認(rèn) 軟件學(xué)報(bào)，8卷，8號，8月20日一種高效的車輛模型識別方法楊輝華中國桂林廣西市信息科學(xué)實(shí)驗(yàn)中心 郵件:yanghuihua@tsinghua.edu.cn翟磊,李玲巧,劉振丙,羅一辰,王勇中國桂林電子工業(yè)學(xué)院\電子工程與自動化學(xué)院郵件: keylei203@gmail.com, zbliu@guet.edu.cn, 54pe@163.com, louisluo@guet.edu.cn, wang@guet.edu.cn賴海燕,關(guān)明中國廣西桂林通信投資集團(tuán)有限公司 郵件:13517810019@163.com, gm9099@sina.com這篇文章介紹了一種有效基于自適應(yīng)Harris角點(diǎn)檢測器的車型識別方法。第一，汽車散熱器格柵作為ROI和Harris角點(diǎn)檢測是用來檢測角，車輛模型的特點(diǎn)，針對不同型號或不同的環(huán)境相同的模型之間的角數(shù)不一致的問題。第二，構(gòu)造了一個(gè)自適應(yīng)閾值函數(shù)來控制角點(diǎn)的數(shù)目來代替一個(gè) 的閾值， 一 數(shù) 的 角。第， 方 的 是為了 車輛識別 法通 CPU/GPU 構(gòu) 模 來 實(shí) 的 ，?￠法和 ￡?的 化。對12種車型1096輛￥?車 的實(shí)驗(yàn)§currency199.5%的識別' “， 通 與?特??fii5 2400和NVIDIA c2075fl 實(shí)–fl?58X ??！??明，???”?的方法…‰ 實(shí) 應(yīng)用的 。?數(shù) `-車輛模型識別′王 ?′自適應(yīng)Harris 法′?同 的CPU / GPU一ˉ?˙車輛模型識別是¨ 通??的一個(gè)有 ??ˇ的—題。 [ 1 ]和[ 2 ]，角點(diǎn)特 來實(shí)–汽車ˉ公 汽車的 ， 型 車 型 車 [ 3 ]，是 的車輛 識別車輛模型的一個(gè)有的方法， 識別 ? a93%。車輛制造和模型為一個(gè) 一的 和 …的同 ，??有· 的識別??的?o。 [ 4 ]和[ 5 ]，一個(gè) 的 識§ ?，?￠ 個(gè)對 的識別模 ，代? ?方的汽車 ， ?，?? ，? 識別。這種方法的 點(diǎn)是敏感的照明 件。[ 6 ]，車輛模型的識別方法，” 紋?特 的散熱器格柵采用基于灰? 矩陣 GLCM ，?ROI ? 室外環(huán)境中是很ˇ的。 [ 7 ]，尺?不變特 變換 篩 的功 證明是合適的車輛制造商和模型識別，?它?有實(shí) ?？傊鲜瞿Ｐ捅孀R方法仍然不 很好的解決方， 室外環(huán)境中的實(shí) 車輛識別任務(wù)。主 原因有2：1.復(fù)雜的室外環(huán)境下的感興 區(qū)域 ?和特 ”是?ˇ的。2.識別 法不 實(shí) 應(yīng)用的實(shí) .同一 間，CPU/GPU?同 已成為 密集型任務(wù)的數(shù) ￡?越來越 ， 受a近年來[ 9] [11,12]許多應(yīng)用開發(fā)商的關(guān)注。這是因?yàn)镚PU甚至…‰為非… ˉ通用 ”供了廣泛的資源：￥規(guī)模 ￡?，高內(nèi)存帶寬，和通用?令集。GPU / CPU?同 使用的CPU的￡?序列識別任務(wù)和使用GPU來￡?￥ 的 復(fù) ”高應(yīng)用的關(guān)鍵 。GPU / CPU?同 廣泛應(yīng)用于 ￡?領(lǐng)域[ 10 ]。??? ，這 ?技術(shù) 車輛模型識別領(lǐng)域的應(yīng)用?有?o。本文”?了一種新的基于自適應(yīng)Harris角點(diǎn)檢測的車型識別。這是“jt-g綠 通道檢測 ?”的一部 ，它采用基于機(jī)器 覺的模 識別技術(shù)，實(shí)–車輛駕駛室的自動檢測和安全避讓。首先，散熱器網(wǎng)格 ?為投資回?“的基礎(chǔ)上。 然?，利用自適應(yīng)Harris角點(diǎn)檢測的ROI的角落，一個(gè)自適應(yīng)的閥值函數(shù)是軟件學(xué)報(bào)，8卷，8號，8月20日構(gòu)造來控制角點(diǎn)替換一個(gè) 的閾值。該方法 證 的 一 數(shù) 的 角，避免了不同模型之間的角點(diǎn)數(shù)目的劇烈變化，或 不同環(huán)境下的相同模型， ?￥￥”高了識別的 ?和堅(jiān) 。此外，對車型識別的 化 方 ，?￠自適應(yīng) 法和工作流的 化的 化，‰ 證 法具有 ?的響應(yīng) 間， 實(shí) 的 。輸?： ??的二值 。一步：用 子抑制水fl紋? [1,-1].Dx (i, j) ? g(i, j) ? g(i ? 1, j)b. 利用 子抑制垂直紋?[1,-1]T.D(i, j) ? Dx (i, j) ? Dx (i, j+1)c. 抑制噪聲.(1)(2)?1f (i, j) ? ??0D(i, j) ? 0D(i, j) ? 0i ? r j ? r sum(i, j) ? ?? f (i, j)i ?r j ?r(3)二ˉROI ?復(fù)雜領(lǐng)域環(huán)境下ROI的選擇與穩(wěn) ???。 [ 6 ]，車輛散熱器網(wǎng)格作為ROI完成了良好的車輛識別效 。本文還使用這種方法，?增 了標(biāo)志的信息，‰”高ROI的區(qū) ?， 1?示。?255pixel (i, j) ? ?? 0T = r ? r / 2 ? 1sum(i, j) ? T sum(i, j) ≤ T圖1.車型識別的感興趣區(qū)域選擇ROI是基于標(biāo)識的?置。車牌區(qū)域的?置是穩(wěn)的 一 區(qū)域里。 車牌號碼…‰ ?和 測，它也…‰currency1a 垂直方 上的車輛標(biāo)志?置。車牌號與車輛標(biāo)志的關(guān) 2?示。一 標(biāo)志總是 車牌的?置上，?? 垂直方 或?置上檢測a標(biāo)志， ￥ 矩 作為輸 。圖2.通過車牌來確定標(biāo)志的近似位置對ROI?置，標(biāo)志的垂直?置是 的，‰ 。 法1 述車輛標(biāo)志的垂直?置 ? 程。法：為標(biāo)志的垂直?置。輸 ：基于車牌的灰? 。內(nèi) 的￥ ， 是自適應(yīng)閾值。d. ” ：用Canny 子檢測 ，輸? *.e. §currency1的 ， 值是 ￥的水fl 。3?示標(biāo)志垂直?置的感興 區(qū)域 ? 。的高?，寬 的寬?，是標(biāo)志的垂直?置，是一個(gè) 驗(yàn) 數(shù)。(a)基于fl 的 ?置(b)標(biāo)志垂直?置的?置(c)基于標(biāo)示?置的ROI?置3軟件學(xué)報(bào)，8卷，8號，8月20日ˉ自適應(yīng) 法A. Harris角是 ? 的有 點(diǎn) 。 ?是 散的，… 的和有 的。特 角 示的自然 良好的一致 ，本文選擇角作為特 的車輛的模型 。 有 許 多 角 落 的 測 器 ， Harris，F(xiàn)ast，SIFT，SURF 。 4是一個(gè)角點(diǎn)的檢測Harris，SURF和SIFT的 別。(a) Harris (b) SURF (c) SIFT圖4.角圖像檢測三個(gè)探測器?示，Harris角點(diǎn)檢測 角點(diǎn) ? ?的角? 好的· 。自 Harris角點(diǎn)檢測是基于一 Hessian矩陣，?‰它具有 高的檢測 ??；赟IFT和SURF高 尺??間， 具有高 的特 ， ￠里￡ 好的?￥ 。因?yàn)榻堑?置信息 ?§的 程中，??選擇的Harris角點(diǎn)作為本文的 測器。.B. Harris 角檢測器Harris角點(diǎn)檢測是一種 currency1的角點(diǎn)檢測 法'￠里￡C和“ ￡ 1988”?的。它是一個(gè)基于信號的特 角點(diǎn)” 子，? ?￡?的 ，???(u, v)?動 任fi方 ，然?灰?變化 …‰ 為 4 :E(u, v) ? ? w(x, y)[I (x ? u, y ? v) ? I (x, y)]2x, y? Au2 ? 2Cuv ? Bv25.對Harris角點(diǎn)檢測的￡?步flC. 對車型識別中Harris的currency1型 R的角落響應(yīng)值，R不是一個(gè) 的閾值T…‰ 為點(diǎn)是角點(diǎn)‰上，–??不是。 閾值 模 識別一·問題.1. 不同車型之間的角點(diǎn) 數(shù) ?致不?§。 6?示，車輛有一個(gè) 角點(diǎn)，車輛有許多角點(diǎn)，一個(gè)和相同型號，一個(gè)和?與不同型號。 這種??下，一個(gè)與?方之間的角點(diǎn)?§成功的”數(shù) 一個(gè)或多個(gè)點(diǎn)之間 ?§，因此??currency1?·?，一個(gè)和二…有相同的模型，車輛模型識別的一個(gè)是‰ .(a) A和B有22￡相?的角點(diǎn)(b) A和B有20￡相?的角點(diǎn)? A M ? ?? ?uC??sv?M ?uv?T (4) 6.不同車型之間的角點(diǎn) ?致不?§?C B?A ? X 2 ? w , 灰度圖 一階導(dǎo)數(shù) 高斯模糊非最大抑制閾值比較 響應(yīng)值相關(guān)矩陣B ? Y 2 ? w , C ? ( XY ) ? w , w(x,y) Harris的特 為 部 ￥值， 響應(yīng)函數(shù)：CRF ? ΔM ? K (traceM )2ΔM ? ?1?2 tr(M ) ? ?1 ? ?2 ` 作為一個(gè) 的′數(shù)，K是一 0.04~0.06。A點(diǎn)的CRF 閥值T，是一個(gè)角。Harris角點(diǎn)檢測 子 的 數(shù)K和T的 數(shù)選擇的? ?ˉ響 的測?· 明 。 法流程 5?示.2.不同˙照 件下角點(diǎn) 數(shù)的 ?致不?§。7，車輛D和F 不同的˙照 件下相同的型號，有相同的˙照 件下不同型號。'于對照明Harris角點(diǎn)自適應(yīng) 不好，角點(diǎn) 良好˙¨ 件下 于不好的˙照 件下 ￥。D和E之間的?§角點(diǎn)的數(shù) 是 成功 這種??下的D和F之間的多。因此，??的·?是，D和E具有相同的模型中，D車型識別是‰ 的。.w h0?軟件學(xué)報(bào)，8卷，8號，8月20日(c) D和E有14個(gè)相?的角點(diǎn)(d) D和F有11個(gè)相?的角點(diǎn)7.的角點(diǎn) 不同的˙照 件下的模型??致不?§的 6和7?示，為車輛模型的識別效 currency1Harris角檢測器 法是不好的。的關(guān)鍵原因是，角落點(diǎn)的數(shù)目是很ˇ控制。有 不同的模型或 不同的環(huán)境檢測之間的角點(diǎn)的數(shù)目有很￥的 ，?‰′′??致不?§。D. 自適應(yīng)Harris 法角點(diǎn) 數(shù)??的不一致 的不一致 ˉ響模型的識別 ?。角點(diǎn)的閾值應(yīng)與響應(yīng)值的總? 和變化??有關(guān)。因此，??采 的fl?響應(yīng)和變化?? ˇ總和作為 的自適應(yīng)閾值，具? (6):threshold ? 1 (?? f (x, y)) ? ? *[max( f (x, y)) ? min( f (x, y))]w ? h x?1 y ?1(a)(b)'— 60角點(diǎn)(c) 閾值(d) 自適應(yīng)閾值8.使用 閾值和自適應(yīng)閾值的 不同的模型中 6 ，角點(diǎn)的 數(shù)的 之? 是 不同的環(huán)境中是一致的，?不完全。序角響應(yīng)值‰ ”高 ? :1. 響應(yīng)值 序角。 ￥的角落 ， 角落。2. 置一個(gè) 數(shù)，它?示角點(diǎn)的 輸?數(shù)。它通′ 的 數(shù)目 。自適應(yīng) 法流程 9?示.f (x, y) ? ?r(x, y) r(x, y) ? t? r(x, y) ?? tr(x, y) ? Δ(M )tr(M )2 (6)中，R X，y ?示 標(biāo) x，y 的的響應(yīng)值。t的 驗(yàn) .自適應(yīng)閾值'fl?值和?選角，這 a 作為一個(gè) ?的 ?變化的變化??決 。 目標(biāo)車輛模型具有 一紋? 或 ˙¨不 的 件下， 的 ? ，相對響應(yīng)值?，?自適應(yīng)閾值也? ，??還 的輸?的角一 點(diǎn)數(shù)。與此相 ，自適應(yīng)閾值也高， ?…‰限制 ?角.8?示， 中的角點(diǎn)“ 數(shù)為60 。 。9.自適應(yīng)￡?步fl灰度圖 一階導(dǎo)數(shù) 高斯模糊 相關(guān)矩陣 響應(yīng)值非最大抑制自適應(yīng)閾值o 角輸? 角點(diǎn)8 b 是角 使用 閾值， ? 8 c 的角使用 3 。??…‰ a，自適應(yīng)￠里￡ 具有 高的' 。自適應(yīng)閾值，…避免閾值的， 證 同一 間的檢測 ?. 自適應(yīng)Harris 法避免了模型和模型和環(huán)境之間的 ?ˉ響識別的' 。 示于 10 同一車輛 6 ，車輛A，B和C 已 15角落，車輛A和B有5個(gè)角點(diǎn)和A和C有13個(gè)角點(diǎn)，??currency1?·?：一個(gè)用C A 相??。軟件學(xué)報(bào)，8卷，8號，8月20日(a) D和E有14個(gè) ?的角點(diǎn)(b) D和F有11個(gè) ?的角點(diǎn) 10.型號識別車輛D 自適應(yīng)閾值…‰通 置 和 證 一 ?程?上有一 的角點(diǎn)。角落里的點(diǎn)數(shù)車輛模型的識別 ?的ˉ響。很 有功 的角落 ?§? ，功 增 了 角 。完 的? ‰a該機(jī)型的特點(diǎn)，同 也避免了“?的角落”。。 11是關(guān)于車輛模型 ?下，不同數(shù) 的￠里￡，SURF檢測角點(diǎn)的? ， 別SIFT 法。的· ?明， 角點(diǎn)100-150 T =15，?= 0.05 的識別 ?的??內(nèi)的數(shù)目是相對穩(wěn) 的。 角點(diǎn)130，Harris 法模型 a 高的識別' “高 99?。12?示，利用數(shù) ??§來 模型的相? ， ?點(diǎn)是? ˉ 于 和 。 點(diǎn)是 ￥數(shù) ?的??下， 是非′ 的，不 實(shí) 。12.車輛模型識別 法的 程A. 法的 化化的 法?￠ 自適應(yīng) 法和 ￥相關(guān)法。這2種 法 是 密集型的，非′適合 ?。? 了這兩種 法的￡?流程 真，無關(guān)緊 的環(huán)和矩陣運(yùn) 傳輸aGPU的￡?ˉ信號的傳輸和CPU的邏輯￡?。樣本 壓縮a200X200的￥ 。角點(diǎn)檢測的每個(gè) 和角?§ 不是太￥。此外，GPU和CPU開銷之間的通信是￥的，和 法的 ?不是很高。.?一. 自適應(yīng)Harris 化11001050HarrisSIFT SURF100095090085080050 100 150 200 250特 角點(diǎn)數(shù) 11。角點(diǎn)對車輛識別 ?的ˉ響四ˉGPU / CPU?同 車輛模型識別方法?￠感興 區(qū)域 ?ˉ角點(diǎn)檢測和角點(diǎn)?§。角點(diǎn)檢測采用自適應(yīng) 法，和角點(diǎn)?§使用 ￥相關(guān) 法 ￥相關(guān) 。B.標(biāo)'數(shù)1091/1096 法 步fl…fl 化的 (Y/N)自適應(yīng)Harris1.灰? Y2. ? Y3.高￡模糊 Y4 相關(guān)矩陣 Y5.響應(yīng) Y6.非 ￥抑制 Y7.自適應(yīng)閾值 N9. 角 N￥相關(guān)8. 相關(guān)矩陣 Y9.搜索?§角 Y10. ?§角的 YROI?置 自適應(yīng)檢測角 ￥相關(guān)?§角C. 工作流 化對于 個(gè)車輛的識別方法，'于角點(diǎn)檢測 個(gè) 程中 稱一”， ??對 個(gè)模型的貢獻(xiàn)是有限的。 ￥相關(guān) 法 稱為每一個(gè)?§ 程，? 法本身的 。因此，它不是 個(gè)方法效“的瓶頸。 數(shù) 傳輸 程中，￥部 的識別， ?效“不高.。車輛 使用自適應(yīng)Harris檢測角軟件學(xué)報(bào)，8卷，8號，8月20日因?yàn)槊恳粋€(gè)角點(diǎn)?§ 程是獨(dú)立的，對不同車型的?§…‰ 化。??選擇了NVIDIA的CUDAfl ，采用?化方法 下：1. 載數(shù) 集的第一特 ，一·′數(shù)高￡ 數(shù) 別 載aGPU的′ 寄存器。2. 特 數(shù) ?的數(shù)目 置為¨程 ， 一個(gè)¨程 中 置一個(gè)¨程數(shù)。13中實(shí)–了工作流的 化。.13.車輛模型識別的 模型框架五ˉ實(shí)驗(yàn)· 與 A. 數(shù) 集 述和實(shí)驗(yàn)環(huán)境 數(shù) 集來自“JT-G綠 通道檢測 ?”對廣西“全黃”高?收費(fèi)站。數(shù) 集?￠6 標(biāo)志，12車型和1096 和側(cè) 與3-20公里/ 的??通 備的?? 。受傳感器的敏感 和車輛的勻?駛，車輛的 和角?… ?有輕微的偏 。樣品也?含不同的照明 件， 陽˙充 ，多云，和晚上。實(shí)驗(yàn)環(huán)境 下:1. 機(jī) ：Intel Core i5-2400@3.10GHz x4, 4GB內(nèi)存, win7 sp1 x64 操作 ?。2. ?：NVIDIA Tesla c2075，CUDA V4.2?！?§角 ?§角 ?§角 ?§角N1 N2 N3 Nn通用的 佳模型識別模型車輛特 1車輛特 2車輛特 3車輛特 N1 2 3 NN = arg Max{N1,N2,N3, ,Nn}14.高?公路綠 通道檢測 ?B. 識別 ?currency1 “萊娜”的角點(diǎn)檢測‰驗(yàn)證基于GPU/CPU?同 的自適應(yīng) 法的 ?。 · 15?示。??…‰ a，雙角 乎是相同的，這證明了 法的' 。值currency1注 的是，這2個(gè)角落的是不一樣的。這是因?yàn)榱鲃? ?的CPU和GPU之間的矛盾。它?致的 · 有一個(gè) 的偏。.(a)中央￡?器版本 法的角 (b)GPU / CPU版本 法角點(diǎn)的 15.效 CPU和GPU / CPU版本的 法版本車型識別具有多種特 ” 方法，本文 了灰? 矩陣，Phash，DCT，沖浪，SIFT和￠里￡，· 見?二。軟件學(xué)報(bào)，8卷，8號，8月20日?二.8特 ” 方法的車輛模型識別 ?四.車輛模型識別基于GPU/ CPU?同 ??fl CPU/ms CPU+GPU/ms ? 自適應(yīng)Harris 31.1 2.9 10.7￥相關(guān) 4.0 2.6 1.5個(gè)方法 4071.5 70.1 58.1自適應(yīng)Harris a99?的' “。 SIFT，SURF和Harris的角落 測器自適應(yīng)閾值 a了很高的' “，Harris 法的自適應(yīng)角落的 ? 高。C. 識別 間?涉及的 法的 復(fù)雜?，數(shù) ，IO頻“，GPU硬件 和軟件版本。? 是不同 尺寸下的 Harris 法的 ?效 ?！??，數(shù) 越￥￡? ， 高的 ??效“。? .? 法尺寸(x2)CPU(ms) GPU(ms) ? 1002 9.3 1.5 6.22002 31.4 2.9 10.83002 54.4 5.4 10.14002 80.2 7.9 10.25002 118.9 9.8 12.16002 184.9 15.0 12.37002 251.9 20.0 12.68002 332.8 27.1 12.29002 398.4 30.0 13.310002 498.2 38.0 13.1?四是 個(gè)車輛模型識別方法的 ???。'于數(shù) ￡? ， ?方法僅基于自適應(yīng) 法和￥相關(guān)的 ?不高。 ?的 ??對 個(gè)模型識別方法的貢獻(xiàn)是有限的。任務(wù) ?效 是明 的，和 個(gè)車輛識別的 ?是58X。六ˉ·?一種汽車模型識別和CPU/GPU?同 給?了高 ?的方法，這種識別方法具有 高的識別 ?和 好的?￥ 。GPU / CPU?同 是用來 ?的方法， 實(shí) 的 。致謝這項(xiàng)工作'中國國家自然科學(xué)基金合同currency1a支持 號 61105004 和 61172053 ， 合 同 號2012GXNSFAA053230? 中國的廣西， 劃 廣西高 學(xué)校 ?秀 才[2011]40自然科學(xué)基金 ，廣西?? 教育創(chuàng)新工程合同號YCSZ2012073和2011105950811M24?？嘉墨I(xiàn)：[1] 杜H. Y.“用Matlab BP 法的實(shí)–基于車輛 型 識別”， 機(jī)與–代化，第5卷，第20-頁，2012年10月。[2] W. X，康，曹X. T.，盛Z ，“Harris角 篩車輛的特 和 型識別”雜志科技，￠?濱?工￥學(xué)學(xué)?第一卷,17 章，第 69-53 頁，2012年9月。[3] V. Petrovic，T. Cootes，“剛 ·構(gòu)的車輛 型識 別的特 ，“?國機(jī)器 覺?議，2卷，587–596頁，2004。[4] H. S. maemoto，S. Okuma, Y Yano, “用 識§ ? 數(shù)的車輛識別”IEEE ?國 ?議，與控制?，4卷，3982–3987頁，2004。[5] J.Ma，J. J.He，L. SHI，“汽車 域網(wǎng)和車輛識別 特 ” ”工業(yè)控制 機(jī)，第一卷。 8，72-74頁，2012年10月。[6] H.Lee，“神 網(wǎng)絡(luò)的方法來識別車輛型號” 展 神 網(wǎng)絡(luò)，ISNN，66-72頁，2006。[7] A. psyllos，阿納格諾￡托普洛￡C N，E 特 ” 方法 ' /?GLCM 62.3PHash 80.0DCT 89.9SURF 78.0SIFT 52.0Harris 95.1SURF(自適應(yīng)) 92.1SIFT(自適應(yīng)) 98.1Harris自適應(yīng)) 99.5kayafas，“ 測 的車輛識別模型”機(jī)標(biāo)'和接?，33卷，142–151頁，二月 2011。[8] C.￠里￡和M. J. satephens?！奥?lián)合角落檢測器”，阿? 覺?議，曼徹￡特，147–152頁，1986。[9] F. S. Lu, J. Q. Song, F. K. Yin, et, al“調(diào)查的CPU/GPU?同 ”， 機(jī)科學(xué)，38卷，5–9頁，2011。[10] C. Shuai, M Boyer, Y. M. Jia, et al ，“ 通用應(yīng)用 的??￡?器，使用CUDA 與 ”， 與 的雜志，卷68，1370–1380頁，2008年10月。[11] Y. C. Gui, G. J. Zhang，“一種改 的 ￡? 軛 ?法實(shí)–對GPU”，軟件學(xué)?，第7卷中，2795-2702頁，2012年12月。[12] H. F. Wang, Q. K. Chen，“電源估 模型和 GPU通用編程 “，軟件學(xué)?，第7卷，第1164-1170頁，2012年5月。楊輝華博士，桂林電子科技￥學(xué)GUET ，北京郵電￥學(xué)電信，中國?近 外˙ ，ACM和CCF? 教 教 。 別§currency1學(xué)士學(xué)?和 士 華中科技￥學(xué) 1994年和1997年。 §currency1博士學(xué)? 科學(xué)技術(shù)的中國 部￥學(xué) 2005年 了GUEST的 機(jī)科學(xué) 工作，1997年? 華￥學(xué) 2005年7月 中心博士?2007年7月。目 ， 領(lǐng)?的一· ￥項(xiàng)目， JT-G綠 通道檢測 ?，該 法軟件'中國 化， 聯(lián)網(wǎng)NIR聯(lián)網(wǎng)上的廣西自然科學(xué)基金資 科院原 ?。 多”完成項(xiàng)目 中一個(gè)'中國國家自然科學(xué)基金對近 外˙ 的 模資 。 發(fā)? 或?議?文30 篇 國內(nèi)外。 的主 ??方 ?￠¨ 信息￡?， 工¨ ，數(shù) ，云 ，近 外˙ 及 應(yīng)用。振明收a的博士 2010 控制科學(xué)與工程學(xué)?科學(xué)技術(shù)，中國的華中科技￥學(xué)。于2010年 工程與自動化 桂林電子科技￥學(xué)商學(xué)院 任 ?教 ，目 是 教 。 的??興 ?￠： 工¨ ，機(jī)器學(xué) ，和 ￡?。 發(fā)? 這·領(lǐng)域 10篇?文 ， 中?￠發(fā)? ?和國 ￠ ?議。 也是￡種國 和?議上發(fā)? ? 。軟件學(xué)報(bào)，8卷，8號，8月20日翟磊， 士 2013年 桂林電子科技￥學(xué)學(xué)?。 了“JT-G綠 通道檢測 ?”作為主 ?? ，??車型識別基于 ￡?。 主持廣西?? 教育兩個(gè)創(chuàng)新項(xiàng)目YCSZ2012073和2011105950811M24 的主 ??方 是 ￡?， 機(jī) 。