版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、智能交通系統(tǒng)(ITS)目前是一個非?;钴S的研究領域。ITS的應用需要大量的交通數據,而車輛檢測是獲取交通數據的關鍵。傳統(tǒng)的車輛檢測方法主要有電磁感應環(huán)形線圈式車輛檢測器和雷達波檢測器、紅外線檢測器及超聲波檢測器等波式檢測器。但使用“磁”或“波”檢測的方法均不能提供全面的交通信息,這將影響ITS的應用效果。近年來,視頻檢測技術因其具有較多的優(yōu)點而得到了迅速發(fā)展。視頻檢測系統(tǒng)安裝維護方便,無須破壞路面,也不會中斷交通運行,檢測范圍大,功能全
2、面,能獲得常規(guī)檢測器很難獲得的車輛尺寸、車型等重要交通參數。因此,視頻檢測系統(tǒng)具有廣闊的應用前景。 支持向量機(Support Vector Machine,簡稱SVM)是一類新型機器學習方法,由于其出色的學習性能,該技術已成為當前國際機器學習界的研究熱點,并在很多領域中得到了成功的應用,目前仍處于不斷發(fā)展階段。本系統(tǒng)的車輛自動分類方法就是基于SVM理論的,是SVM在新的應用領域的一個探索。 本文的主要工作和結果如下:
3、 (1)本文考慮到Windows系統(tǒng)中普通定時器資源在開發(fā)大型應用程序中存在的不足,以及多媒體定時器在克服這些不足時的優(yōu)點,在本系統(tǒng)中使用了多媒體定時器。由于多媒體定時器的精度可達到1ms,并且優(yōu)先級很高,從而保證了數據采集的實時性和時間的準確度。 (2)本系統(tǒng)根據小孔成像原理以及攝像機的安裝情況,實現了攝像機的標定和車輛特征數據的計算,建立的圖像上點的象素級坐標和實際物體點的坐標之間的對應關系簡單明了。 (3
4、)本文提出了一種行列快速掃描法來提取車輛特征。算法的基本原理是在AOI區(qū)域內先通過行掃描得出所有檢測到的目標的寬度,將最大的寬度確定為檢測車輛的寬度??紤]到物體只要連續(xù)的行上有黑色象素,那么就可以認定是一個物體上的,當出現整行的白色象素時才認為后面搜索的象素屬于另外的物體,因此在已經確定的寬度區(qū)域內將滿足搜索條件的最大的行數確定為車輛的長度。整個搜索過程采用隔點搜索的方法進行,大大提高了系統(tǒng)的實時性。同時實驗結果表明:該算法對于車體部
5、分組成區(qū)域和路面的灰度值幾乎相等的情況,依然能夠獲得準確的特征值。 (4)本文將支持向量機理論成功地應用到交通車輛自動分類系統(tǒng),并與常用的基于神經網絡的車輛分類方法作了比較,結果表明:SVM方法識別正確率達96﹪,比其它方法具有更優(yōu)的性能。 (5)在車流量方面,通過設置兩個布爾變量記錄檢測到目標前后是否有車輛存在的方法,實現了車流量的精確記數。其思想是:只有當檢測之前沒有車并且檢測之后有了車時,車流量才加1,這樣就避
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的圖像處理方法研究.pdf
- 基于客流量轉化交通量的交通量預測方法
- 基于支持向量機的彩色圖像人臉檢測方法研究.pdf
- 交通量聲頻檢測的研究.pdf
- 基于圖像變換和支持向量機的數字圖像拼接檢測技術研究.pdf
- 基于支持向量機的醫(yī)學圖像處理.pdf
- 基于粒子群優(yōu)化和邊緣點運動估計的交通量檢測方法研究.pdf
- 基于支持向量機的圖像分割方法的研究.pdf
- 基于支持向量機的圖像分類方法研究.pdf
- 基于支持向量機和模糊后處理的遙感圖像分類研究.pdf
- 基于支持向量機的圖像檢索方法的研究.pdf
- 基于支持向量機和貝葉斯分析技術的入侵檢測方法研究.pdf
- 基于圖像處理及支持向量機的車牌識別技術研究.pdf
- 基于支持向量機的入侵檢測技術.pdf
- 基于支持向量機的MRI圖像分割方法的研究.pdf
- 基于支持向量機的圖像增強與邊緣檢測.pdf
- 基于支持向量機的圖像分類和檢索研究.pdf
- 基于內容的支持向量機圖像檢索方法研究.pdf
- 基于支持向量機的孤立點檢測方法研究.pdf
- 基于免疫算法和支持向量機的入侵檢測方法研究.pdf
評論
0/150
提交評論