專利名稱：一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，涉及一種運(yùn)用模式識(shí)別 等技術(shù)進(jìn)行車輛類型識(shí)別的方法，特別是利用支持向量機(jī)的車輛類型識(shí)別方法。
背景技術(shù)：
車輛檢測(cè)和識(shí)別技術(shù)是在交通監(jiān)控中的一項(xiàng)重要研究課題，它具體涉及到計(jì)算機(jī) 視覺、圖像處理、數(shù)據(jù)挖掘和模式識(shí)別等領(lǐng)域。同時(shí)，它也是智能交通及智慧城市中一項(xiàng)基 本的信息收集技術(shù)，是上層道路狀況收集分析、交通決策制定等功能的基礎(chǔ)。由于車輛信息主要來自于交通監(jiān)控的視頻中，所以車輛檢測(cè)的主要功能是將車輛 信息從視頻中提取出來；而車型識(shí)別則是通過分析已提取的車輛外形等特征，對(duì)車輛進(jìn)行 分類識(shí)別。因此，車輛檢測(cè)又可看作車型識(shí)別的前提。目前，基于視頻的車輛檢測(cè)方法主要 有背景減除法、幀差法和光流法等，這些技術(shù)均已比較成熟，準(zhǔn)確率較高。通過車輛檢查可 以從圖像或視頻中提取出車輛的位置、輪廓或者車輛區(qū)域的頻域信息等特征，然后利用這 些特征，如車輛的長(zhǎng)寬比、頻域變換后的系數(shù)等，通過模式識(shí)別和數(shù)據(jù)挖掘等技術(shù)進(jìn)行車輛 分類、行為語義等進(jìn)一步的分析。而本發(fā)明即主要針對(duì)利用已提取的車輛特征進(jìn)行車型識(shí) 別的問題，提出一種基于支持向量機(jī)的車型識(shí)別方法。支持向量機(jī)是于20世紀(jì)90年代末提出的理論，經(jīng)過不斷地發(fā)展，其已被廣泛地應(yīng) 用在模式識(shí)別和數(shù)據(jù)挖掘領(lǐng)域。支持向量機(jī)最早從用于線性劃分的最優(yōu)平面理論發(fā)展起 來，主要用于根據(jù)輸入的特征向量對(duì)目標(biāo)樣本進(jìn)行分類。假設(shè)樣本特征是一個(gè)η維的向量 Xi，而分類結(jié)果e {0，1}表示分類后樣本被劃分的類別為0或1，即
權(quán)利要求
一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，所述方法的特征在于包括以下步驟(1)選取有效的車輛特征信息，對(duì)其進(jìn)行標(biāo)準(zhǔn)化以用于支持向量機(jī)的訓(xùn)練和預(yù)測(cè)；(2)對(duì)要進(jìn)行識(shí)別的車輛類型進(jìn)行二進(jìn)制編碼，根據(jù)二進(jìn)制編碼構(gòu)造支持向量機(jī)網(wǎng)絡(luò)；(3)利用選定的車輛特征信息，對(duì)支持向量機(jī)網(wǎng)絡(luò)中的每個(gè)二類支持向量機(jī)進(jìn)行訓(xùn)練，同時(shí)選取針對(duì)此網(wǎng)絡(luò)結(jié)構(gòu)的最優(yōu)參數(shù)；(4)利用訓(xùn)練完成的支持向量機(jī)網(wǎng)絡(luò)，輸入待分類的樣本特征向量，獲得對(duì)其預(yù)測(cè)的結(jié)果，完成車型識(shí)別。
2.根據(jù)權(quán)利要求1所述的一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在 于所述步驟(1)中有效的車輛特征信息是指已獲得的車輛外形特征，主要包括長(zhǎng)高比、輪 排數(shù)，輪長(zhǎng)比、頂長(zhǎng)比、前后長(zhǎng)度比、前后高度比共6項(xiàng)車身側(cè)面特征數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在 于所述步驟(1)中車輛特征信息的標(biāo)準(zhǔn)化是指根據(jù)每種特征值的最大值和最小值，將每 項(xiàng)特征值的所有數(shù)據(jù)線性地轉(zhuǎn)換到W，1]區(qū)間。
4.根據(jù)權(quán)利要求1所述的一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在 于所述步驟(2)中對(duì)車輛類型進(jìn)行二進(jìn)制編碼是指為每個(gè)車輛類型分配一個(gè)二進(jìn)制的編 號(hào)，若對(duì)N種車輛類型進(jìn)行識(shí)別，則需要進(jìn)行「log2 A^l位的二進(jìn)制編碼。
5.根據(jù)權(quán)利要求1所述的一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在 于所述步驟(2)中支持向量機(jī)網(wǎng)絡(luò)構(gòu)造是根據(jù)二進(jìn)制編碼進(jìn)行的，根據(jù)二進(jìn)制編碼的位 數(shù)，決定網(wǎng)絡(luò)中二類向量機(jī)的數(shù)目；根據(jù)二進(jìn)制編碼每一位上的值決定對(duì)應(yīng)的支持向量機(jī) 要區(qū)分的車輛類型。
6.根據(jù)權(quán)利要求1所述的一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在 于所述步驟(3)中支持向量機(jī)網(wǎng)絡(luò)中所有的二類支持向量機(jī)使用相同的懲罰參數(shù)C和徑 向核函數(shù)參數(shù)Y，兩者分別從倍比為2的等比數(shù)列中選取，即Ce [212,2n,210,…，2_2]和 Y e [24，23，22，…，2_1(|]，因此參數(shù)C和γ共有225種組合。
7.根據(jù)權(quán)利要求1所述的一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在 于所述步驟(3)中選取針對(duì)此網(wǎng)絡(luò)結(jié)構(gòu)的最優(yōu)參數(shù)，使用交叉驗(yàn)證方法，即將訓(xùn)練用數(shù)據(jù) 分成M等份，分別取其中M-I份用于訓(xùn)練，另外1份用于預(yù)測(cè)，記錄其預(yù)測(cè)準(zhǔn)確率；如此進(jìn)行 M次，每一份數(shù)據(jù)均作為預(yù)測(cè)數(shù)據(jù)進(jìn)行了一次測(cè)試，取M次預(yù)測(cè)準(zhǔn)確率的平均值作為最終的 預(yù)測(cè)準(zhǔn)確率；最優(yōu)參數(shù)對(duì)選擇在交叉驗(yàn)證中最終的預(yù)測(cè)準(zhǔn)確率最高的一組參數(shù)C和γ。
全文摘要
一種基于二類核函數(shù)支持向量機(jī)的車型識(shí)別方法，其特征在于包括以下步驟(1)選取有效的車輛特征信息，對(duì)其進(jìn)行標(biāo)準(zhǔn)化以用于支持向量機(jī)的訓(xùn)練和預(yù)測(cè)；(2)對(duì)要進(jìn)行識(shí)別的車輛類型進(jìn)行二進(jìn)制編碼，根據(jù)二進(jìn)制編碼構(gòu)造支持向量機(jī)網(wǎng)絡(luò)；(3)利用選定的車輛特征信息，對(duì)支持向量機(jī)網(wǎng)絡(luò)中的每個(gè)二類支持向量機(jī)進(jìn)行訓(xùn)練，同時(shí)選取針對(duì)此網(wǎng)絡(luò)結(jié)構(gòu)的最優(yōu)參數(shù)對(duì)；(4)利用訓(xùn)練完成的支持向量機(jī)網(wǎng)絡(luò)，輸入待分類的樣本特征向量，獲得對(duì)其預(yù)測(cè)的結(jié)果，完成車型識(shí)別。本發(fā)明方法中的支持向量機(jī)網(wǎng)絡(luò)利用了對(duì)車型的二進(jìn)制編碼，構(gòu)造簡(jiǎn)單，易于實(shí)現(xiàn)；網(wǎng)絡(luò)中支持向量機(jī)的數(shù)目少，從而提高了識(shí)別速度，并且具有較高的準(zhǔn)確率，利于實(shí)際應(yīng)用；同時(shí)，本發(fā)明中的二類支持向量機(jī)的參數(shù)選取方法結(jié)合了車型特征特點(diǎn)與支持向量機(jī)的經(jīng)驗(yàn)數(shù)據(jù)，具有較高的適應(yīng)度。
文檔編號(hào)G06K9/62GK101964061SQ20101027148
公開日2011年2月2日 申請(qǐng)日期2010年9月2日 優(yōu)先權(quán)日2010年9月2日
發(fā)明者李超, 熊璋, 鄭飛, 郭信誼, 顏釗 申請(qǐng)人:北京航空航天大學(xué)