文档介绍：独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得
的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其
他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和
集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人
担。
学位论文作者签名:
日期: 年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校
有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查
阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有
关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位
论文。
保密□, 在年解密后适用本授权书。
本论文属于
不保密□。
(请在以上方框内打“√”)
学位论文作者签名: 指导教师签名:
日期:2008 年月日日期:2008 年月日
华中科技大学硕士学位论文
摘要
随着国民经济的不断增长,交通运输业显得越来越重要,公路的建设也得到了迅
速发展,由此带来的交通问题也变得日益严重。于是,智能交通系统(ITS)成为各
国解决交通问题的研究热点。
本文比较了在 ITS 中目前应用比较多的几种车辆识别方法,感应线圈法、轮廓识
别法、红外探测法等属于简单识别方法,精度不够,识别率不高。基于视频的监控系
统在交通管理方面比其他的系统更加实时、全面、通用。而车辆的识别分类算法的优
劣往往直接决定了监控效果。传统的机器学****方法(如神经网络算法)在训练样本数
不够大,或者问题处于高维空间时识别率会大幅下降。
支持向量机(SVM)是一门相对较新的理论,它能够有效避免传统学****方法因无
法控制分类器的容量而出现的过学****问题,而且算法复杂度与维数无关,从而确保所
得到的分类器具有较好的泛化性能。由于其突出的算法优势,目前已经在文本分类、
手写识别、图像分类、生物信息学等领域中获得极大应用。
基于 SVM 理论,本文提出了一套识别率高,实时性好的车型识别分类系统。系统
硬件采用双 DSP 芯片与 ARM9、FPGA,结合的高性能平台,可以高速实时并行运行交通
视频流的检测、跟踪及分类算法。根据实际情况,选择了结构矩做为车辆特征,SVM
算法做为学****分类器,通过大量的实验工作,比较采用线性核函数、多项式核函数、
径向基核函数以及线性组合核函数时,分类器的泛化误差。结果表明,选用合适参数
的线性组合核函数可以得到最优分类结果。
关键词:智能交通系统,车型识别,学****分类方法,支持向量机,核函数
I
华中科技大学硕士学位论文
Abstract
With the constantly development of domestic economy, traffic transport industry
es more and more important, and the road construction has also been improved
rapidly. Following this, many traffic problems have e more and more seriously. Thus,
Intelligent Transportation Systems (ITS) have been a research hotspot for solving the traffic
problems in the world.
This pares several mostly used vehicle recognition methods in ITS.
Induction coil method, contour tracing method and infra-red detection method are simple
recognition methods, which are lack of accuracy and low in recognition rate. Video-based
surveillance systems are more real-time, comprehensive and all-purposed for traffic
management than the others. Meanwhile, the algorithm of vehicle recognition and classif