資源描述：
《基于SVM與數(shù)據(jù)融合的車輛視頻分類系統(tǒng).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、ComputerEngineeringandApplications計(jì)算機(jī)工程與應(yīng)用2010，46(11)217基于SVM與數(shù)據(jù)融合的車輛視頻分類系統(tǒng)張慧敏L2，班曉娟2，孟宇2，石山松zZHANGHui—minl,2,BANXiao-juanz，MENGyu2，SHIShah-son921．中國(guó)郵政儲(chǔ)蓄銀行有限責(zé)任公司，北京1008082．北京科技大學(xué)，北京1000831．PostalSavingsBankofChina，Beijing100808，China2．UniversityofScienceandTechnologyBeiji
2、ng，Beijing100083。ChinaE-mail：banxj@ies．ustb．edu．a(chǎn)nZI／ANGHal-min，BANXiao-juan，MENGYu，eta1．VehiclevideoclassificationsystembasedonSVManddatafusion．En雩如∞r(nóng)ingandApplications，2010，46(11)：217-219．Abstract：ResearchshowsthatamajorfactortIlatinflueNcesvehicleclassificationsystemba
3、sedonvideoaccuracyrateistheaccurateofthevehicleparameters．AccordingtOthissituation，thispaperpresentsamethodbasedonmulti-sourcedatafusiontodetractvehicles’shapeparametersandusesSupportVectorMachine(SVM)toclassvehicles．田leexperimentalresultsindicatethatmulti—sourcedatafusio
4、nmethodcancontrolnoisedisturbanceincoilectingprocedureandtheelTOI．scausedbycameralensdistortioneffectivelyandincreasetheinaccuracyofthevehicleshapeparameters．UsingsupportmachinetoclassvehiclesCanovercometheproblemoflocalextremevaluesunavoidablyinneuralnetwork．，I_hesuggest
5、edmethodcanincreasetheaccuracyofvehiclesclassificationandhasastrongtimeliness，besuitableforthereal-timevehicleclassificationsystem．Keywords：video；vehieleclassification；SupportVectorMachine(SVM)；datafusion摘要：影響基于視頻檢測(cè)的車型分類系統(tǒng)準(zhǔn)確率的一個(gè)主要因素是采集的車輛外型參數(shù)的準(zhǔn)確性。針對(duì)這種情況，提出了基于多源數(shù)據(jù)融合的方法提取車輛
6、的外型參數(shù)，并使用SVM(支持向量機(jī))對(duì)車輛進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，多源數(shù)據(jù)融合的方法能夠有效控制在采集過程中產(chǎn)生的噪音干擾和鏡頭畸變引起的誤差，提高車型參數(shù)的準(zhǔn)確性。使用支持向量機(jī)分類能夠克服神經(jīng)網(wǎng)絡(luò)中無法避免的局部極值問題。該方法能夠提高車型分類準(zhǔn)確率，實(shí)時(shí)性強(qiáng)，適用于實(shí)時(shí)車型分類系統(tǒng)。關(guān)鍵詞：視頻；車型分類；支持向量機(jī)；數(shù)據(jù)融合DOI：10．3778，j．issn．1002—8331．2010．11．066文章編號(hào)：1002—8331(2010)11—0217．03文獻(xiàn)標(biāo)識(shí)碼：A中圖分類號(hào)：TP3911引言目前，車型分類統(tǒng)計(jì)方式按照
7、工作原理不同，可以分為電磁感應(yīng)式、聲波式、激光式、視頻檢測(cè)方式等多種類型。與其他交通檢測(cè)手段相比，視頻檢測(cè)識(shí)別技術(shù)主要有以下優(yōu)勢(shì)：安裝簡(jiǎn)便，無需破壞路面，施工時(shí)不影響交通，易于移動(dòng)、調(diào)整檢測(cè)器位置，維護(hù)費(fèi)用低。隨著計(jì)算機(jī)處理能力的加強(qiáng)和人工智能的發(fā)展，基于視頻的車輛檢測(cè)和車型分類有著廣闊的應(yīng)用前景，所以研究基于視頻的車型分類技術(shù)是非常有必要的【1】?；谝曨l的車型分類技術(shù)是通過視頻攝像頭獲取交通情況，對(duì)視頻圖象分析提取交通信息參數(shù)。從正面進(jìn)行車型分類的研究較多，從側(cè)面進(jìn)行車型分類研究較少，并且從側(cè)面進(jìn)行車輛識(shí)別對(duì)于高速收費(fèi)站進(jìn)行車型判斷、
8、交通督察車采集道路使用率等參數(shù)都有重要意義。文章研究了從側(cè)面進(jìn)行車型分類的方法。在側(cè)面車輛分類中，應(yīng)用得比較廣泛的方法是將采集的車輛外形參數(shù)輸入神經(jīng)網(wǎng)絡(luò)模型判斷出車型。神經(jīng)網(wǎng)絡(luò)雖然具有較強(qiáng)的模
