基于SVM的车辆自动分类方法研究与实现

论文摘要

智能交通系统(ITS, Intelligent Transportation System)是世界上交通运输科学技术的前沿,国际上公认的ITS的服务领域有:先进的交通管理系统、出行信息服务系统、商用车辆运营系统、电子收费系统、公共交通运营系统、应急管理系统、先进的车辆控制系统。本文研究了基于图像的车辆自动分类方法,通过对摄像机采集的图像进行图像的预处理、特征提取与选择、识别等处理,达到车型识别分类。主要工作及创新点体现在:(1)对摄像机获取的车辆图像进行预处理,有效地消除了图像处理中的各种干扰。(2)特征提取。获取车辆轮廓,在计算车长、车高、车辆轮廓周长、车辆轮廓面积、车长高比、圆形度、外接矩形与面积比等特征的同时,计算出车辆形状的7个不变矩特征,使得车辆在图像中的不同位置均可获得较好的识别效果。此外还设计了根据Freeman链码快速计算图像形状不变矩的算法。(3)深入研究了模式识别技术的基本理论和现有主要方法,在对比分析的基础上设计了基于支持向量机的车辆分类系统。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景及意义
• 1.2 车辆自动分类系统的现状
• 1.2.1 国外主要车型识别方法
• 1.2.2 国内车型识别技术描述
• 1.3 本文研究的主要内容
• 1.4 本论文的结构安排
• 第二章 道路车辆图像预处理技术
• 2.1 基于CANNY的二值化方法
• 2.2 预处理实现
• 2.2.1 图像尺寸/格式归一化
• 2.2.2 背景的选取与剔除
• 2.2.3 灰度变换
• 2.2.4 图像平滑去噪
• 2.2.5 二值化处理
• 2.2.6 Sobel边缘检测
• 2.2.7 图像横向填充与纵向填充
• 2.2.8 图像修正
• 2.3 小结
• 第三章 车型特征提取
• 3.1 FREEMAN链码与轮廓跟踪
• 3.1.1 Freeman链码原理
• 3.1.2 轮廓跟踪原理
• 3.1.3 图像轮廓平滑
• 3.1.4 轮廓跟踪实验结果
• 3.2 车型特征计算
• 3.2.1 车长H 与车宽W
• 3.2.2 周长L
• 3.2.3 面积S
• 3.2.4 基于Freeman链码的图像不变矩特征计算
• 3.3 小结
• 第四章 基于SVM的车型识别器设计
• 4.1 模式识别基础
• 4.2 统计学习理论
• 4.2.1 经验风险最小化
• 4.2.2 VC 维的概念
• 4.2.3 推广性的界
• 4.2.4 结构风险最小化
• 4.3 支持向量机理论
• 4.3.1 最优超平面
• 4.3.2 广义最优超平面
• 4.4 SVM车型分类器的设计
• 4.4.1 SVM现有多类分类算法
• 4.4.2 基于SVM的车型分类器的设计
• 4.4.3 试验结果与分析
• 4.5 小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 未来展望
• 参考文献
• 攻读学位期间本人公开发表的论文
• 致谢
• 详细摘要