基于SVM的車型識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

支持向量機(jī)(SVM)理論建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)上，對(duì)非線性、高維數(shù)的小樣
本問題有非常好的分類效果和學(xué)習(xí)推廣能力。本文設(shè)計(jì)了基于支持向量機(jī)的車型識(shí)別系統(tǒng)，系統(tǒng)通過對(duì)攝像機(jī)采集的視頻圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)分割、特征提取與選擇、模式識(shí)別等處理，達(dá)到實(shí)時(shí)車型識(shí)別。試驗(yàn)結(jié)果表明，該系統(tǒng)有很高的識(shí)別率和適應(yīng)性。
關(guān)鍵詞：支持向量機(jī)；車型識(shí)別；特征提取；不變矩
我國高速公路收費(fèi)是以車輛大小為依據(jù)的，在高速公路自動(dòng)收費(fèi)系統(tǒng)中，車型識(shí)別十
分重要。目前，已有的車型識(shí)別方法有：利用磁感應(yīng)線圈、壓電傳感器、紅外線收發(fā)裝置等判斷車輛到來，獲取通行車輛的輪數(shù)、前、后輪距、軸距、車高等特征，然后實(shí)現(xiàn)車輛分類[1~2]；選用地感線圈作為傳感器，獲得大量樣本車輛感應(yīng)曲線，對(duì)曲線數(shù)據(jù)進(jìn)行分析，得到感應(yīng)強(qiáng)度、高度、左右比重、上下比重、上升沿、下降沿、車長(zhǎng)、凸凹性、峰值等特征，再利用模糊模式識(shí)別算法對(duì)車輛進(jìn)行分類[3~4]。這類裝置通常被埋在路面下或直接安裝在路面上，盡管具有較高的識(shí)別率，計(jì)算量較小，但是安裝和維護(hù)都必然損壞路面，裝置本身的使用壽命較短，獲取的交通信息也比較少，有時(shí)對(duì)天氣和交通速度比較敏感。因此并沒有推廣開來；用可見光、紅外等對(duì)汽車拍照，應(yīng)用圖像處理技術(shù)，獲取車型特征，然后實(shí)現(xiàn)車輛分類。但是從試驗(yàn)結(jié)果來看，這種技術(shù)還很不成熟，如何將圖像處理及模式識(shí)別的新技術(shù)應(yīng)用到車型識(shí)別系統(tǒng)中，進(jìn)一步提高車型識(shí)別的效率，還需作大量的研究工作。支持向量機(jī)（Support Vector Machine，簡(jiǎn)稱SVM）技術(shù)是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的模式分類方法，在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢(shì)。它由Vapnik 基于統(tǒng)計(jì)學(xué)習(xí)理論提出，結(jié)合經(jīng)驗(yàn)風(fēng)險(xiǎn)和期望風(fēng)險(xiǎn)的平衡點(diǎn)，兼顧學(xué)習(xí)能力和推廣能力，可以很好地解決車型識(shí)別這類小樣本識(shí)別問題。本文研究了基于支持向量機(jī)的車型自動(dòng)識(shí)別系統(tǒng)，系統(tǒng)通過對(duì)攝像機(jī)采集的視頻圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)分割、特征提取與選擇、模式識(shí)別等處理，達(dá)到實(shí)時(shí)車型識(shí)別。