基于SVM的车型分类方法研究

随着图像处理和人工智能的发展,智能交通系统将会广泛的应用于现实生活中,而对智能交通系统中车型的自动分类方法将越来越繁多。本文结合支持向量机方法,提出一种基于图像处理的自动车型分类系统。并通过matlab实验平台设计了分类器,对所提供的车型图像实现自动分类,取得了较为满意的实验结果。     

车型自动分类识别系统的硬件设计

针对目前我国公路收费监控系统的需要，本文介绍一种实用的车型自动分类识别系统。     

基于支持向量机的车型分类的设计

基于支持向量机的车型分类的设计思路是通过视频采集获得车辆图像,对车辆图像进行图像预处理和特征提取后,得到分类器所需数据特征,而后采用支持向量机和二元决策树对车型分类。采用三个支持向量机的分类器和二元决策树相结合对特征数据进行分类识别,最终实现了车型分类。通过利用Libsvm(SVM模式识别与回归的软件)进行实验,取得了较好的分类效果。     

用于车辆分类的多传感器车型特征融合算法

为避免单一地磁传感器进行车型识别时存在的误差,结合自主研发的地磁传感器网络,提出一种基于多传感器的车型特征融合算法.该算法通过计算传感器网络内不同车型特征信号的相关关系来确定车辆运行状态,并利用最大似然法则结合皮尔逊相关系数进行数据融合,以获取更加准确的车辆特征信号,为现有车型分类方法提供更加准确的输入参数.实际道路试验表明,与现有单节点分类算法相比,文中算法对中大型车辆的分类准确率可以提高17.5%.     

基于RBF网络的不停车收费系统的车型识别

提出了一种利用RBF神经网络和红外线测量车型法对汽车车型进行自动识别的方法.算法用MATLAB实现,识别和分类效果良好.     

采用稀疏SIFT特征的车型识别方法

针对实际应用中因图像清晰度低等因素导致的车型识别误差过大的问题,提出了一种基于稀疏尺度不变转换特征(sparse scale invariant feature transform,S-SIFT)的车型识别方法。该方法用背景建模方法检测交通视频运动目标,提取目标SIFT特征;通过L1约束计算出SIFT特征的稀疏编码,并用最大池化方法降低稀疏编码维度,在线性SVM分类器中完成车型分类,弥补了背景建模方法识别误差过大、不具备车型分类功能的缺陷。经G36高速公路实际应用表明:算法对车辆场景识别率可达98%以上,车型识别准确率可达89%以上,对低清晰度、不同视角、雨雪、遮挡等场景有很好的鲁棒性;图像平均处理时间不超过40ms,可满足系统对实时性的要求,在准确率和时间效率两方面均明显优于传统的SIFT方法和HOG方法。     

用模糊方法对车型进行模式识别

车型识别在公路自动收费和交通量统计中有重要作用.主要介绍了由计算机视觉系统获得汽车的长、宽数据,并通过车辆样本的计算,分别得到了客车和货车的隶属函数,然后利用模糊模式识别的方法对汽车车型进行辨识.     

基于本体的文本自动分类

随着计算机技术的发展,各个领域的信息层出不穷,使得文本分类显得十分重要。针对当前文本分类存在的不足,提出了基于本体的文本自动分类方法。该方法将文本自动分类技术与本体技术相结合,并提出只从提取每段首尾句中提取特征词的方法,提高了文本自动分类的效率。     

对高速公路电子不停车收费稽查系统的分析

本文介绍了一种基于汽车物理车牌图像自动识别及车型自动识别技术的高速公路电子不停车收费稽查系统。该系统通过对在电子不停车收费车道完成电子交易后通行的每一辆汽车进行物理车牌图像及车型的自动综合识别,并将识别结果与电子交易流水中的车辆信息进行比对,自动从中筛选出两者不一致的车辆,辅助管理人员达到快速、准确稽查目的。     

基于ETC数据的山区高速公路连续下坡车速特征与车型分类

为研究山区高速公路不同车型的车速分布特征以及车型分类方法,基于包茂高速水江—南彭段主线ETC数据,从概率分布、累计频率分布和特征值方面分析了平缓路段和连续下坡路段中ETC系统内全部车型的行程速度特征,并以车速平均值和标准差作为聚类指标,用K-means聚类方法对不同车型进行聚类分析。结果表明：平缓路段客车速度集中于80 km/h左右,货车集中于70 km/h左右,而在连续下坡路段车辆整体表现为低速行驶,客车速度集中于70 km/h左右,货车集中于60 km/h左右;三型客车和四型客车在平缓路段倾向于将速度维持在稳定幅值而在连续下坡路段有向期望车速靠近的趋势;客车在平缓路段速度分布较分散,在连续下坡路段速度分布相对集中,而货车速度分布趋势正好相反;连续下坡路段的速度离散性大于平缓路段,事故发生概率增加;同一线形路段不同车型间速度分布存在明显差异,部分车型速度分布特征指标表现出一定的聚集性,说明部分车型速度分布有较大的相似性。将平缓路段车型聚为四类：一型客车、二型客车与一型货车、三型客车与四型客车、二～六型货车;连续下坡路段车型聚为三类：一型客车与三型客车以及四型客车、二型客车与一型货车、...     

基于彩色图像分析的白细胞分类算法

应用计算机图像处理技术和计算机模式识别的方法,进行外周血涂片白细胞自动分类的方法性研究。提出了包括预处理、特征形成与特征选择、分类判据等一整套基本算法,实现白细胞的自动分类。     

基于Halcon的水平仪气泡自动分类系统研究

为了实现生产过程中水平仪气泡实时快速分类而研发机器视觉水平仪气泡自动分类系统,这是水平仪生产机器换人的关键。研究了基于Halcon的图像处理与识别技术,结合Qt语言设计了自动分类系统软件。介绍了自动分类系统的硬件构成、工作原理,以及图像获取和识别水平仪气泡特定参数的方法。分析了自动分类过程中图像滤波、边缘检测、轮廓提取等图像处理技术,并进行了实验验证。结果表明,使用基于Halcon的机器视觉图像处理技术,能使水平仪的气泡分类速度更快、更准确,单张图像平均检测时间≤786 ms,长度检测平均误差≤0.02 mm,满足水平仪生产机器换人的需要。     

基于电磁感应的道路车辆车型在线分类方法研究

广泛应用于道路车辆检测的环形线圈车辆检测器对于车辆车型的实时分类正确率较低,主要原因是面对各种车辆电磁感应特性的复杂多变和未知车型的新车辆层出不穷问题,其模式固定的分类模型难以胜任.基于通过环形线圈时车辆电磁感应特性波形提出一种新的车辆车型实时判别方法:运用主分量分析法提取特征,采用自适应共振神经网络聚类建立车辆类别模式,动态划分各车型包含的类别模式;以半监督学习方式在线增加未知车型的新车辆模式,算法自适应新车辆的车型识别. 7种车型的道路现场实时车型识别实验平均正确率为91.3%,加入新模式自动识别后提高至92.5%;Alexnet多层卷积神经网络算法的对比实验中,训练集和测试集正确率分别为99.5%和87.1%,相差较大.实验结果验证了本文方法在道路车辆模式不断变化情况下实现车型识别的可行性.     

中文网页作者情感态度倾向性分类研究

探讨了中文网页倾向性分类的原理和实现方法,利用文本自动分类技术结合Web页面中的结构信息,提出了LSI-KNN-Naive Bayes的褒贬分类模型.并在部分网页数据集上,对上述理论进行了实验验证,取得了较好的成效.     

搜索引擎中的文本分类方法研究

文本分类技术在搜索引擎中有很重要的用途,本文简要分析了文本分类的评估方法,应用于搜索引擎的分类过程,重点介绍了现行的文本自动分类方法,包括经典算法和新算法以及未来的发展趋势。     

自动分类探讨

自动分类是计算机中文信息处理的一个重要研究方向，近一二十年来，国内外已作了大量的研究，本文就基于概率统计方法的自动分类作一讨论。     

高分辨率遥感影像自动分类方法研究

近年来,高分辨率遥感影像在土地利用分类工作中被广泛使用,采用计算机自动分类的方法可以提高分类的工作效率.该文讨论了自动分类处理的流程,自动分类的主要方法,列举了典型的分类案例,分析自动分类中存在的困难,并提出了解决的思路.     

网页分类技术

网页分类是使用机器学习的方法实现网页类别的自动标注.回顾了文本分类技术的研究状况,分析了网页的结构特征,难点在于结合网页的结构信息选择合理的表示方式和分类算法.使用纯文本分类技术处理网页是不合理的.基于概率模型的方法和关系学习方法计算量大,关系学习方法学习结果的可解释性好,支持向量机方法分类准确率高,但核函数的构造和大规模数据集的训练都是该算法的难题.应该采用多种指标对网页分类算法进行评价.     

元数据对专利自动分类准确度的影响

在介绍专利自动分类的计算模型基础上,总结了元数据对专利自动分类的作用,分析了元数据对专利自动分类准确度的影响。     

信息处理及文献自动分类的探讨

在信息处理中,智能技术的使用是一大趋势．本文阐述了数据与信息处理的关系,提出文献自动分类算法．