基于多特征融合的汽車車型模糊識(shí)別方法

《基于多特征融合的汽車車型模糊識(shí)別方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、第201312年卷第11月11期MICR微OC0計(jì)MPU算TER機(jī)APP應(yīng)UCA用nONSV01．32No．11Nov．201l基于多特征融合的汽車車型模糊識(shí)別方法聶小燕祁媛媛2董昕(電子科技大學(xué)成都學(xué)院電子信息工程系成都611731重慶工商大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院重慶400067)摘要：車型識(shí)別是智能交通系統(tǒng)中的一個(gè)重要組成部分。利用計(jì)算機(jī)視覺、模式識(shí)別等理論方法，對(duì)車型的有效特征提取與分類識(shí)別進(jìn)行了深入的研究，提出了一種多特征融合的模糊聚類車型識(shí)別方法。通過自動(dòng)調(diào)整各維特征的加權(quán)系數(shù)來調(diào)整特征對(duì)分類的貢獻(xiàn)，結(jié)果表明達(dá)到了較好的分類效果。關(guān)鍵詞：特征選擇車型識(shí)別特征融合模糊識(shí)別

2、VehicleTypeFuzzyRecognitionMethodBasedonFeaturesFusionNIEXiaoyan2QIYuanyuan，DONGXin(DepartmentofelectronicandinformationengineeringofChengduCollegeofUESTC，Chengdu，611731，China，ChongqingTechnologyandBusinessUniversity，Chongqing，400067，China)Abstract：Vehiclerecognitionisanimportantpartofintellige

3、nttransportationsystem．Accordingtocomputervisionandpatternrecogni-tiontheory，thefeatureselectionandrecognitionofvehicletypewereresearched．Soanovelvehicletypefuzzyrecognitionbasedonfea—turefusionwaspresented．Theeachfeature’ScontributiontotheclassificationWasadjustedthroughtheadjustmentofeachfeat

4、ureweightingcoeficients，andtheresultsshowthatachievedag0odrecognitioneffect．Keywords：featureselection，vehiclerecognition，featurefusion，fuzzyrecognition1引言隨著智能交通事業(yè)的發(fā)展，各停車場(chǎng)、收費(fèi)站、交通等部門越來越需要一套完善的系統(tǒng)來進(jìn)行管理，以便統(tǒng)籌安排，防止資金的流失和人員的冗余，實(shí)踐證明，使用車型識(shí)別系統(tǒng)，能取得良好的效果。車型識(shí)別是智能交通系統(tǒng)中的一個(gè)重要組成部分，近年來，車型識(shí)別技術(shù)已成為國(guó)內(nèi)外研究熱點(diǎn)之一。目前汽車種類繁多

5、，數(shù)不勝數(shù)。如何從眾多的車輛中準(zhǔn)確地識(shí)別出車型，也給我們帶來了一定的困難。實(shí)際上，車型識(shí)別是典型的目標(biāo)識(shí)別問題，而與目標(biāo)的檢測(cè)和識(shí)別息息相關(guān)的是目標(biāo)的特征，這就關(guān)系到一個(gè)特征提取和特征選擇的問題。而現(xiàn)有的車型識(shí)別方法對(duì)使用何種特征缺乏有效的評(píng)價(jià)機(jī)制。如何尋找具有良好描述和分類性能的特征及如何提取這些特征就成為解決車型識(shí)別問題的關(guān)鍵¨．2J。為此，利用計(jì)算機(jī)視覺、模式識(shí)別等理論方法，本文提出了一種多特征融合的模糊聚類方法，通過調(diào)整各個(gè)特征的加權(quán)系數(shù)來調(diào)整特征對(duì)分類的貢獻(xiàn)，達(dá)到快速識(shí)別車型的目的。2車型特征提取一般來說，車型識(shí)別過程包含以下幾個(gè)階段：圖像采集、圖像處理、車輛分割、特征提取

6、和車型識(shí)別。本文著重介紹后面兩個(gè)步驟。本文于2011—09—28收到，2011—11—08收到修改稿。本論文獲得電子科技大學(xué)成都學(xué)院青年科研基金的資助和電子科技大學(xué)中央高?；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目資助。微計(jì)算機(jī)應(yīng)用2011焦一，—三一●特征提取是目標(biāo)識(shí)別中一個(gè)非常重要的環(huán)節(jié)，一個(gè)識(shí)別系統(tǒng)的識(shí)別能力與特征矢量的選取有直接關(guān)系。選取的特征要求具有高度的代表性、典型性及穩(wěn)定性j。按照國(guó)家標(biāo)準(zhǔn)把車型分為三類：轎車、客車、貨車。通常各類汽車的車身側(cè)視圖可提供整個(gè)車長(zhǎng)、頂蓬位置、頂蓬長(zhǎng)度及車輛高度等信息。任何車型大致都可以抽象成一個(gè)“工”字，如圖1所示是轎車、客車和貨車三種車型。頂長(zhǎng)A是汽車頂篷的長(zhǎng)度

7、。車高H是車身從最上到最下的距離。整個(gè)車輛長(zhǎng)度以頂篷中垂線為界，分成前后兩部分，即前底長(zhǎng)D和后底長(zhǎng)D：。J+A+I＼—／^、／廠、、U《r、JD一。——(a)轎車(b)客車(c)貨車圖1車型特征提取由于拍攝圖像時(shí)，鏡頭與車輛間的距離、角度都是隨機(jī)的，因此造成同一車輛，在兩次拍攝圖像時(shí)，上述各參數(shù)的絕對(duì)大小不相等。這就限制了我們不能用絕對(duì)長(zhǎng)度或絕對(duì)高度等絕對(duì)參數(shù)作為識(shí)別特征j，而是用這些絕對(duì)參數(shù)來構(gòu)成頂長(zhǎng)比、頂高比和前后比等相對(duì)參數(shù)作為識(shí)別特征：(1)頂長(zhǎng)比