基于SVM的考虑倾斜角度的车辆分类方法的研究

论文摘要

车辆自动分类是智能交通系统中的重要组成部分,也是图像处理和模式识别应用领域的研究热点。随着经济的快速发展,人们车辆拥有率的不断提高,车辆自动分类方法越来越被受到广泛应用。同时,车辆的自动分类在当今交通监控、城市应急指挥、平安城市建设和全自动收费系统中都有重要的意义和广阔的应用前景。但由于我国车辆的数量和种类众多,车辆分类仍是一个有待进一步解决的问题,因此,近年来对车辆自动分类技术与方法的研究受到了广泛的关注。本文主要是对基于有倾斜角度的车辆的自动分类方法进行研究,该方法通过对CCD摄像机采集的视频车辆图像进行图像的预处理、倾斜度矫正、特征提取和选择并利用支持向量机原理构造分类器进行分类识别等处理,从而达到对车辆分类识别的目的。本文要研究的主要工作及创新点如下：(1)对从摄像机中获取的车辆图像进行预处理,通过平滑、均衡等操作有效地消除了图像处理中的各种噪声干扰。重点研究了对有倾斜角度的车辆图像进行倾斜矫正,并采用了两种实验方法进行分析比较。(2)特征提取。本文通过Freeman链码编码的方式进行车辆轮廓跟踪,获取外部轮廓,并依据Freeman链码计算车辆顶部长度、车长、车高、周长、面积、外接矩形面积等特征,在此基础上,又提出了轴距、前悬、后悬、尾高等几个特征成为本论文中车辆识别的重要参数。其中,提取轴距之前,先对两车轮进行圆检测。(3)深入研究了支持向量机的基本理论和主要方法,在对比分析的基础上提出了一种分阶段的对象分类策略：先粗略分为轿车、客车和货车,然后对每种车型再进一步细分。本文对于不同车型采用基于决策导向非循环图的方法进行分类,对于同种车型采用二叉树的方法进行分类,可在一定程度上解决对象类别域间的交叉问题。(4)最后,对本文所涉及的SVM多类分类模型进行了实验,通过比较选取合适的核函数和惩罚因子,并将其训练好的模型用到车辆分类中,通过对交通视频常见车辆的分类实验研究,表明本文所采用的方法具有一定的效果,达到了常见车辆对象分类的预期目标。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及现状
• 1.2 车辆自动分类技术的研究现状
• 1.2.1 国外发展概况
• 1.2.2 国内车辆自动分类技术的发展
• 1.3 本论文主要的技术路线和结构安排
• 1.3.1 本论文主要的技术路线
• 1.3.2 本论文的章节安排
• 第二章 统计学习理论与支持向量机原理
• 2.1 统计学习理论
• 2.1.1 VC维
• 2.1.2 推广性的界
• 2.1.3 结构风险最小化
• 2.2 支持向量机理论
• 2.2.1 最优分类超平面
• 2.2.2 广义最优超平面
• 2.2.3 核函数
• 2.3 现有的支持向量机多分类方法
• 2.3.1 一对多算法
• 2.3.2 一对一算法
• 2.3.3 决策导向无循环图法
• 2.3.4 决策二叉树的方法
• 2.4 本章小结
• 第三章 车辆预处理技术与算法的研究
• 3.1 图像平滑
• 3.1.1 中值滤波
• 3.2 图像灰度化
• 3.3 图像均衡化
• 3.4 图像分割
• 3.4.1 图像的阈值选择
• 3.4.2 本文用到的二值化方法
• 3.5 图像边缘检测
• 3.5.1 canny边缘检测算子
• 3.5.2 sobel边缘检测算子
• 3.5.3 Laplace边缘检测算子
• 3.5.4 Roberts算子
• 3.5.5 几种边缘检测算法的比较
• 3.6 图像归一化
• 3.6.1 尺度归一化
• 3.6.2 角度归一化
• 3.7 本章小结
• 第四章 车辆特征提取与选择
• 4.1 特征提取中用到的一些算法
• 4.1.1 FREEMAN链码原理
• 4.1.2 圆检测算法
• 4.2 本文车辆图像获取方式
• 4.3 车辆特征
• 4.3.1 车辆特征参数及在车中显示
• 4.3.2 车辆特征的计算
• 4.3.3 车辆特征的组合参数表示
• 4.4 特征选择
• 4.4.1 特征选择的原理
• 4.4.2 本文车辆特征的选择
• 4.5 本章小结
• 第五章 分类器识别模型的建立与实现
• 5.1 实验平台
• 5.2 车辆分类标准
• 5.3 车辆分类器的设计与实现
• 5.3.1 训练样本与测试样本的选择
• 5.3.2 多类分类器的构造
• 5.3.3 核函数的选择与分类实现
• 5.4 识别结果的分析与比较
• 5.5 实验中遇到的问题
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 所做工作的总结
• 6.2 有待进一步研究的工作
• 致谢
• 参考文献
• 攻读学位期间发表论文
• 附录