基于svm车型识别系统的设计与实现本科学位论文.docx

基于svm车型识别系统的设计与实现本科学位论文.docx

《基于svm车型识别系统的设计与实现本科学位论文.docx》由会员分享，可在线阅读，更多相关《基于svm车型识别系统的设计与实现本科学位论文.docx（36页珍藏版）》请在冰豆网上搜索。

基于svm车型识别系统的设计与实现本科学位论文

基于SVM车型识别系统的设计与实现

[摘要]车辆自动识别分类技术是智能运输系统的重要组成部分，它对特定地点和时间的车辆进行识别和分类，并以之作为交通管理、收费、调度、统计的依据。

要实现我国公路收费自动化、管理规范科学化，车型自动识别方法的研究势在必行。

本文研究基于车型图像代数特征的车型识别方法。

该方法首先利用背景差分法从背景图像中提取出运动车辆，并对车型图像进行预处理，然后采用特征并行融合的方法用PCA方法，最后通过支持向量机分类器进行车型识别。

[关键词]车型识别，特征融合，特征提取，决策支持向量机

VehicleIdentificationSystemBasedOnSVMDesignAndImplementation

Abstract:

AutomaticVehicleIdentificationandClassificationofIntelligentTransportSystemtechnologyisanimportantpartofitsspecificplaceandtimetheidentificationandclassificationofvehicles,andusedastrafficmanagement,fees,scheduling,statisticalbasis.China'sroadtolltoachieveautomation,standardizedandscientificmanagement,AutomaticVehicleIdentificationMethodimperative.Thispaperexploresthecharacteristicsofthevehiclemodelimagealgebrarecognition.Thismethodfirstusesbackgroundsubtractiontoextractfromthebackgroundimagemovingvehicles,andvehicleimageispreprocessed,andthenusetheparallelfeaturefusionmethodusingprincipalcomponentanalysis,andfinallythroughthesupportvectormachineclassifierforvehicleidentification.

Keyword:

Vehiclerecognition,featurefusion,featureextraction,decisionsupportvectormachine

目录

1引言2

1.1车型识别的研究内容及其应用2

1.2车型识别的研究现状和前景3

1.3本文研究的主要内容及结构安排3

2车辆图像预处理4

2.1图像平滑4

2.2图像标准化5

3车型特征提取7

3.1PCA方法概述7

3.2PCA方法提取车型特征8

4基于支持向量机的车型识别分类器9

4.1现有的几种分类方法9

4.2支持向量机10

4.2.1线性支持向量机11

4.2.2非线性支持向量机13

4.2.3用于多类识别的支持向量机13

4.3决策支持向量机进行多分类14

4.4支持向量机进行车型快速识别15

4.4.1概述15

4.4.2多类（k类）问题的SVM算法17

4.5实验结果及比较17

5结论19

致谢：

19

参考文献：

20

附录：

21

1引言

1.1车型识别的研究内容及其应用

电子技术、通信技术、计算机技术和自动控制技术的发展，为解决交通问题提供了新的思路，于是，智能运输系统（ITS，Intelligentansportationsystem）就应运而生了[1]。

实践证明，智能运输系统是解决当前交通拥堵、环境污染严重等问题的有效途径。

目前ITS在美国、欧洲、日本等国家、地区己受到政府、产业机构、科学研究单位的重视。

它的研究领域广阔，各国各地区的侧重点也有所不同。

由于建设高速公路的投资较大，贷款筑路、以路养路收费还贷的政策早已深入人心。

但是高速公路上的收费站大大地降低了高速公路的通行能力。

国外己有实行不停车收费的例子，在国内，不停车收费也是这种收费制式的发展方向。

电子收费系统是智能运输系统在公路收费领域的具体表现，其应用可解除收费站的“瓶颈”制约作用，较好地缓解收费站的交通拥挤、排队等待以及环境污染等问题。

电子收费系统具有的诸多优点，使其成为世界各国交通部门优先研究、发展、应用的技术之一，无论是在欧、美发达国家，还是在亚洲发展中地区，截至目前，电子收费系统己经拥有一套相对较成熟的技术体系，成功实现并投入实用的范例在各地纷纷出现[2]。

我国的公路收费系统主要采用以下三种形式：

1.均一制系统。

收费站建在公路的所有入口，车辆在一个路口交费后，可在该公路全线自由行驶，无需再次交费，收费标准仅因车型不同而不同，与行驶里程无关。

2.开放式系统。

收费站建在公路的主线上，间隔30—50公里不等，各个出口不再设收费站，车辆可自由出入。

收费标准除根据车型不同而不同外，还因各站控制的距离不同而不同。

3.封闭式系统。

收费站建在各互通立交匝道上，在入口处发通行卡，在出口处验卡，按车型和行驶距离收费，车辆进出公路均受到控制。

无论哪种收费方式，都必须先对车辆进行分类，才能确定应当收取的通行费，这一点对传统收费系统和电子收费系统都是相同的。

所不同的是，在传统收费方式中，车辆的类型通常由收费员通过目视人工划分。

其突出的优点是误判少、可靠性高。

但也存在弊端，主要如下：

1.人工收费速度慢，收费人员易同司机发生争执，造成交通拥挤，不但误工误时，而且阻碍了整个地区路桥交通网络作用的发挥。

2.人工收费因有人工因素参与，“人情车”现象或其它帐务弊端十分严重。

如：

收费人员对熟悉的司机不予收费，或是某些个体司机少交费而不要票据；或是少数低素质收费人员相互勾结，多收少缴，私吞收费。

据统计，在一些大型的收费站，每日因此损失的收费款额高达数万元，全年累计超过千万，造成国家和地方财政收入的流失，给国家和地方经济造成严重损害。

3.人工收费人员长时间在比较恶劣的环境中做重复的工作，易产生疲劳感，从而影响收费的速度，不利于职工的身体健康，不利于车辆通行率的提高。

电子技术和计算机技术的发展，为解决这个问题提供了可靠的技术保障。

路桥自动收费系统的应用，充分体现路桥交通现代化管理的先进水平，必将产生较大的社会效益和经济效益。

实现车型自动识别，采用路桥自动收费系统主要有如下优势：

1.可加快车辆通过收费站的速度，提高了有限的空间利用率和路桥收费站的通过能力，利于交通疏流，解决因堵车造成的工时损失、能源损耗、环境污染等问题。

2，可杜绝人工收费造成的票款流失问题，确保路桥收费的可靠性和可控性，可较大比例地提高路桥费的回收率。

3.整个网络成为交通信息采集网，可快速掌握路桥的车流信息，不仅有利于交通行政部门的综合整体管理，更便于交通行政管理部门的疏导和管理，也可为新建路桥提供科学依据。

4，减少了收费站的人员管理，可以节省大量的人力和财力，并使路桥收费实现现代化管理。

在电子收费系统中，由于收费过程实现自动化，需要自动识别车型以便根据不同的车型收取相应的费用，车辆直接驶过收费站而不停车，因而对车型判定提出了更严格要求，需要真正统一标准，准确迅速识别、归类[3]。

尽管近几年提出了交通“监控、自动收费、通信系统设计方案”，但均不能完成对车辆的自动识别和自动收费，因此，开发车型自动识别系统有很大的市场。

车型识别技术可应用于停车场收费管理以及各类封闭式和开放式路桥卡口自动收费系统，根据联网的规模不同，适用于IC卡、金路卡、虚拟储值卡以及金融卡等各种自动扣费方式，可从路段扩展到区域、地区、跨地区以至全国路网。

1.2车型识别的研究现状和前景

车辆自动识别分类技术是智能运输系统的重要组成部分，是一门集计算机图象处理技术、模式识别、工业测控技术、电子技术、系统工程技术于一体的综合技术。

它对在特定地点和时间的车辆进行识别和分类，作为交通管理、收费、调度、统计的依据。

国外由于公路建设起步早，对于车辆自动分类技术的研究开始得也早。

国内在进入九十年代就开始这方面的研究。

要实现自动车辆识别、分类，需要做的第一步是探测、摄取车辆的某些特征信息。

在车辆的所有特征中，可以用来识别和区分车型的通常有车辆的外型（长、宽、高等）、车辆的轴重或轴距、车辆轴重及总重、车辆牌号、发动机排气量、车辆可以乘载的人员数或载重量等特征。

在这些特征中，只有部分可以用于自动车辆识别和分类，因为有的特征可以用仪器不停车探测、提取，有的则不然，如排气量、司乘人员数等。

目前，车型识别技术主要有轮廓扫描方法、车轴计数方法、磁场变化方法、车牌识别方法、基于图像处理的方法、基于交通视频技术的方法等[4]。

其中，国内外现在通过图像处理对车型进行识别的研究很多，例如，基于神经网络的汽车车型的识别，小波变换及非线形滤波用于车型识别，视频图像处理监控等，就每一种方法来说都有其适用的范围和优缺点，基于图像处理的方法具有应用范围广，获取信息丰富的优点，以上这些方法基本上均是基于车辆的几何特征进行识别，本文也是采用图像处理的方法，但本文中是通过提取车辆的代数特征对车型进行自动识别。

总的看来，多年来出现的各种各样的车型识别技术，其中绝大多数是通过检测车辆的某些几何参数或者物理参数来归纳分类的，某些技术也达到了比较高的检测精度、但由于以下几个关键因素，至使其未能在高速公路收费中取得成功应用。

一是我国车型太多，国家还没有颁布明确的汽车外形检测标准;二是环境影响，存在干扰;三是车主为了经济利益，往往不顾国家交通部门的规定，在车上装载大量的货物，严重超载，导致车辆的外形变化比较大，难以识别。

就我们所知车型识别在国内主要停留在研究状态（如中国科学院、西安公路所、上海交通大学、西安交通大学、北京理工大学等），部分产品已投入正式运营。

在各种车辆自动识别、分类技术中，目前真正能够实际使用的还不多，而车辆分类、按车型收费是公路收费所必需的，因此必须尽快探索出一些新的车辆自动识别方法。

1.3本文研究的主要内容及结构安排

本文主要研究基于车型图像代数特征的车型识别技术。

具体方法如下：

通过摄像机采集运动中汽车的序列图像，并传入计算机，计算机取得的图像用中值滤波方法得到背景图像，用背景差分方法提取出车辆图像，经过一定的图像预处理得到车辆标准化图像，利用PCA方法提取车型图像特征;然后用决策支持向量机进行车型分类，对比用最近邻法及神经网络的方法对车型进行识别。

整个过程用流程图简要描述如图1-1所示。

图1-1本文研究内容流程图

本文的结构安排如下：

第一章，首先介绍了车型识别的研究内容及其应用，车型识别技术现有的一些研究方法，然后介绍了本文研究的主要内容及结构安排。

第二章，介绍了利用背景差分方法从运动图像中提取车辆，其中背景图像我们采用最简单的一种模型——对时间序列图像进行中值滤波获得。

然后，用基于形态学的方法进行噪声消除。

最后将所得车辆图像标准化。

第三章，利用PCA方法提取车型图像特征，采用PCA方法得到车辆图像的代数特征，该特征包含了车辆图像样本更丰富的特征信息。

第四章，先简单地介绍了现有的几种分类方法（神经网络和支持向量机），然后详细地描述了支持向量机算法，同时讨论了支持向量机多类分类方法，以及基于支持向量机进行车型的快速识别。

最后一章，总结了本