基于活动轮廓与模糊型支持向量机的车辆分类算法

doi:10.3969/j.issn.1007-2985.2015.02.012

journal6 ›› 2015, Vol. 36 ›› Issue (2): 55-59.DOI: 10.3969/j.issn.1007-2985.2015.02.012

基于活动轮廓与模糊型支持向量机的车辆分类算法

申瑛，杨焕志，张振彬，曾庆欢李平，陈炳权，张榜英

（1.吉首大学信息科学与工程学院湖南吉首 416000；2.吉首大学物理与机电工程学院湖南吉首 416000）

出版日期:2015-03-25 发布日期:2015-04-28
通讯作者: 张榜英（1975—），男，湖南泸溪人，吉首大学信息科学与工程学院讲师，湖南大学博士生，主要从事智能控制与嵌入式系统研究.
基金资助:
国家级大学生创新创业训练计划资助项目（201310531002）；湖南省大学生研究性学习和创新性实验计划资助项目（201310531002）；吉首大学大学生研究性学习与创新性实验计划资助项目（JSU-CX-2013-08）

Algorithm of Vehicle Classification Based on Traffic Video Surveillance System

SHEN Ying, YANG Huan-Zhi, ZHANG Zhen-Bin, ZENG Qing-Huan-Li-Ping, CHEN Bing-Quan, ZHANG Bang-Ying

（1.College of Information Science and Engineering,Jishou University,Jishou 416000，Hunan China;2.College of Physics and Electromechanical Engineering,Jishou University,Jishou 416000，Hunan China)

Online:2015-03-25 Published:2015-04-28

摘要/Abstract

摘要：视频监控系统是智能交通监控系统的重要组成部分.通过监视区域车辆视频图像的预处理、检测，完成车辆的实时分类，并根据分类结果实时确定交通灯控制系统红黄绿灯的放行时间.采用活动轮廓跟踪模型对运动车辆视频图像实现检测，由模糊型支持向量机方法实现运动车辆的分类.Matlab软件仿真结果表明，大中小型车辆的平均正确识别率达96.49%，提高了车辆通行效率.

关键词： 差分图像, 活动轮廊模型, 模糊型, 支持向量机

Abstract: Video surveillance system is a component of intelligent transportation system.Through preprocessing and detecting the video image of vehicles in monitoring area,and real-time classification,the release time of traffic lights can be confirmed in real time according to the size of the vehicle flow.By using the method of the active contour tracking model and fuzzy support vector machine,the intelligent traffic video surveillance system provides real-time detection and classification of vehicles.Matlab simulation results show that the average correct recognition rate of large,medium and small sized vehicle is 8 9.8%,so the method can improve the efficiency of traffic.

Key words: difference image, active contour tracking model, fuzzy, support vector machine

申瑛, 杨焕志, 张振彬, 曾庆欢李平, 陈炳权, 张榜英. 基于活动轮廓与模糊型支持向量机的车辆分类算法[J]. journal6, 2015, 36(2): 55-59.

SHEN Ying, YANG Huan-Zhi, ZHANG Zhen-Bin, ZENG Qing-Huan-Li-Ping, CHEN Bing-Quan, ZHANG Bang-Ying. Algorithm of Vehicle Classification Based on Traffic Video Surveillance System[J]. journal6, 2015, 36(2): 55-59.

[1]	曲洪权, 刘欲哲, 庞丽萍, 单一平. 基于视觉和操作类脑电信号的脑力负荷分类[J]. 吉首大学学报（自然科学版）, 2022, 43(1): 31-37.
[2]	谢静, 杨盘隆, 魏星. 自适应跌倒前实时检测方法[J]. 吉首大学学报（自然科学版）, 2021, 42(3): 34-40.
[3]	邱国枢，张翔，刘军，王蕾，田青，郭建华. 基于图像处理的车辆识别系统设计[J]. 吉首大学学报（自然科学版）, 2019, 40(5): 18-24.
[4]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[5]	彭思江，戴厚平，周成富，刘倩. 基于HOG/PCA/SVM的跨年龄人脸识别算法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 24-28.
[6]	陈丽，王景芹. 可靠性约束函数未知的网路费用最小化快速求解[J]. 吉首大学学报（自然科学版）, 2016, 37(4): 19-24.
[7]	杜经纬. 基于支持向量机的P2P流量管理模型设计[J]. journal6, 2015, 36(4): 26-29.
[8]	彭华, 莫礼平, 唐赞玉. CVE漏洞分类框架下的SVM学习模型构建[J]. journal6, 2013, 34(4): 62-66.
[9]	彭华, 李宗寿. 基于SVM的CVE漏洞分类框架构造[J]. journal6, 2013, 34(1): 66-71.
[10]	李海, 李春来, 侯德艳. 支持向量机下机器学习模型的分析[J]. journal6, 2010, 31(3): 39-42.
[11]	向昌盛, 周子英. 基于支持向量机的混沌时间序列预测[J]. journal6, 2009, 30(6): 35-39.
[12]	刘广利, 杨志民. 一种新的支持向量回归预测模型[J]. journal6, 2002, 23(3): 28-31.

基于活动轮廓与模糊型支持向量机的车辆分类算法

Algorithm of Vehicle Classification Based on Traffic Video Surveillance System

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价