[發(fā)明專利]一種基于二類支持向量機(jī)和遺傳算法的轎車車型識別方法

無效

• 申請?zhí)枺?/td>: 201210358691.3
• 申請日: 2012-09-25
• 公開（公告）號: CN102880881A
• 公開（公告）日: 2013-01-16
• 發(fā)明（設(shè)計(jì)）人: 顧曉清;倪彤光;薛磊
• 申請（專利權(quán)）人: 常州大學(xué)
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 樓高潮

技術(shù)領(lǐng)域

本發(fā)明屬于模式分類技術(shù)領(lǐng)域，特別涉及一種基于二類支持向量機(jī)和遺傳算法的轎車車型識別方法。

背景技術(shù)

交通信息采集是構(gòu)建智能交通系統(tǒng)動態(tài)交通信息平臺的基礎(chǔ)，而車型是交通信息的重要組成部分。路橋、停車場收費(fèi)系統(tǒng)、路橋管理和監(jiān)控系統(tǒng)等都需要進(jìn)行車型識別。在智能交通管理系統(tǒng)中，車型識別系統(tǒng)能夠自動、實(shí)時地檢測經(jīng)過車輛并識別汽車的車型、車牌、車標(biāo)的交通管理系統(tǒng)，可以被廣泛應(yīng)用于道路通行車輛信息記錄、高速公路自動收費(fèi)、電子警察監(jiān)控、停車場安全管理、肇事、嫌疑、被盜車輛的追蹤、定位等。

目前，車輛信息的獲取渠道主要來自交通監(jiān)控的視頻，所以車輛檢測的主要功能是從視頻中把車輛信息提取出來；而車型識別則是分析已經(jīng)提取的車輛外形等特征，從而對車輛進(jìn)行分類識別。現(xiàn)階段基于視頻的車輛檢測方法主要通過從圖像和視頻中得到車輛位置、車輛輪廓、車輛長寬等特征，再使用模式識別或數(shù)據(jù)挖掘等技術(shù)進(jìn)一步進(jìn)行分類、行為語義等分析。相關(guān)的理論和算法主要有：(1)基于動態(tài)時間彎曲算法的車型分類方法；(2)采用特征分離的模糊模式識別進(jìn)行線圈車型識別；(3)基于BP神經(jīng)網(wǎng)絡(luò)的線圈車型識別方法。這些方法主要針對大車型的識別，如對貨車、大型客車等大車型的識別取得了較好的效果，而對于同一車型中的各種類型車輛，比如別克旗下的君威、君越、凱越等不同轎車車型的識別準(zhǔn)確率較低。

支持向量機(jī)（SVM）是在Vapnik等人所建立的以解決有限樣本機(jī)器學(xué)習(xí)問題為目標(biāo)的統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種新的學(xué)習(xí)機(jī)器，它是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，以獲得最好的推廣能力。由于其在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，因此廣泛應(yīng)用于模式識別和數(shù)據(jù)挖掘等領(lǐng)域。支持向量機(jī)主要用于根據(jù)輸入的特征向量對目標(biāo)樣本進(jìn)行分類，比如設(shè)數(shù)據(jù)樣本x為n個d維特征向量，分類結(jié)果y_i∈{-1,1}表示分類后樣本被劃分為-1或1兩類，即：

，

支持向量機(jī)即函數(shù)，通過訓(xùn)練集樣本x，支持向量機(jī)訓(xùn)練得到特征函數(shù)f(x)，而對應(yīng)目標(biāo)樣本x'，通過判別函數(shù)即可計(jì)算出樣本所屬的類別（-1或1）。早期的支持向量機(jī)只能對線性可分的二類問題進(jìn)行分類，但是核函數(shù)技巧的提出改變這個狀況。所謂核函數(shù)技巧就是通過一個核函數(shù)將線性不可分的樣本特征向量映射到一個高維空間中，在這個高維空間類樣本能夠線性可分；而通過由多個二類支持向量機(jī)構(gòu)造的二類支持向量機(jī)網(wǎng)絡(luò)，可以解決多類劃分問題。但是目前已存在的轎車車型識別方法主要有兩個缺點(diǎn)：1）支持向量機(jī)網(wǎng)絡(luò)構(gòu)造復(fù)雜，網(wǎng)絡(luò)中支持向量機(jī)數(shù)目較大，導(dǎo)致分類預(yù)測效率低。2）支持向量機(jī)參數(shù)的選取至今仍沒有一個統(tǒng)一標(biāo)準(zhǔn)，大多數(shù)情況下依靠經(jīng)驗(yàn)和試湊的方法來尋找，這樣不僅費(fèi)時而且很難得到滿意的結(jié)果，難以推廣實(shí)際應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明中所述方法是為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，主要針對已經(jīng)提取的轎車車輛特征對車型進(jìn)行細(xì)分識別的問題，提出了一種基于二類支持向量機(jī)和遺傳算法的轎車車型識別方法，根據(jù)選定的轎車車輛外形特征進(jìn)行多類轎車車輛類型的識別，減少二類支持向量機(jī)網(wǎng)絡(luò)中的向量機(jī)數(shù)目，提高算法效率。

本發(fā)明采用的技術(shù)方案是包含以下步驟：

（1）選擇待識別的轎車的長、寬、高、軸距這四項(xiàng)特征值，并對其進(jìn)行歸一化處理后組成特征向量；

（2）對待識別的每個轎車車型分配一個二進(jìn)制編號，對n種轎車車輛類型進(jìn)行識別時，進(jìn)行位的二進(jìn)制編碼；根據(jù)所得的二進(jìn)制編碼構(gòu)造二類支持向量機(jī)網(wǎng)絡(luò)，由二進(jìn)制編碼的位數(shù)決定網(wǎng)絡(luò)中二類支持向量機(jī)的數(shù)目，由二進(jìn)制編碼每一位上的0或1的值決定對應(yīng)的二類支持向量機(jī)要區(qū)分的車輛類型；

（3）對得到的二類支持向量機(jī)網(wǎng)絡(luò)中的每個二類支持向量機(jī)進(jìn)行訓(xùn)練，并使用遺傳算法對二類支持向量機(jī)的懲罰參數(shù)c和核函數(shù)參數(shù)γ進(jìn)行尋優(yōu)，獲得的最優(yōu)參數(shù)c和γ；

（4）將所述特征向量輸入訓(xùn)練完成的二類支持向量機(jī)網(wǎng)絡(luò)，采用最優(yōu)參數(shù)c和γ對訓(xùn)練完成的二類支持向量機(jī)網(wǎng)絡(luò)進(jìn)行預(yù)測，輸出識別結(jié)果，完成轎車車型識別。

相對于現(xiàn)有技術(shù)，本發(fā)明所提出的方法具有以下幾個優(yōu)點(diǎn)：