視頻監(jiān)控系統(tǒng)中車型分類研究.pdf

1、基于視頻監(jiān)控系統(tǒng)的車型分類作為智能監(jiān)控系統(tǒng)研究的一個分支，已經(jīng)成為國內(nèi)外研究的熱點(diǎn)之一。車型分類作為交通管理、收費(fèi)、調(diào)度和統(tǒng)計的依據(jù)，該項課題的研究不但具有重要的理論價值，而且具有廣闊的應(yīng)用前景。本文車型分類是在現(xiàn)有的監(jiān)控系統(tǒng)之上展開研究，車型分類研究主要包括從視頻序列中分割目標(biāo)車輛并提取特征和利用提取的車輛特征進(jìn)行分類兩個階段。
　　本文的主要工作:從視頻中分割出目標(biāo)車輛的圖像，進(jìn)行大小歸一化處理，研究并提取圖像的Hu不變矩特征

2、，并將快速不變矩算法引入本文。矩特征用于本文車型分類只能從車輛的幾何大小形態(tài)中有效的區(qū)分出轎車與非轎車，而公交車與大貨車的分類識別難以令人滿意。針對上述問題，本文引入局部二值模式(LBP)算法提取車輛紋理特征用于改善公交車與貨車的區(qū)分能力。結(jié)合車型分類的特點(diǎn)，在傳統(tǒng)的LBP算法基礎(chǔ)上進(jìn)行改進(jìn)，提出了加入顏色角度模型的LBP算法使其具有處理顏色的能力，同時根據(jù)極坐標(biāo)映射建立分區(qū)模型改進(jìn)LBP算法，使改進(jìn)后的LBP具有分析同局部紋理、同顏色

3、、不同整體分布的車輛圖像的能力。然后，研究特征融合方法，將提取的車輛矩特征以及加入顏色角度模型與分區(qū)模型LBP算法紋理特征進(jìn)行線性融合。通過人工神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)兩種分類方法在車型分類中的比較，指出采用基于徑向基核函數(shù)的支持向量機(jī)用于本文研究的優(yōu)越性。根據(jù)本文特點(diǎn)，提出改進(jìn)支持向量機(jī)推廣到多類分類器的策略。
　　最后，論文通過優(yōu)化基于徑向基核函數(shù)的支持向量機(jī)的參數(shù)，對2400個測試樣本圖像進(jìn)行分類測試實(shí)驗(yàn)。證明本文采用對車型分類