基于svm车型识别系统的设计与实现_毕业设计

《基于svm车型识别系统的设计与实现_毕业设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、拟建中的阜阳市中国XXXX国际服装城依托中国XX国际服装城，拟建成为皖西北地区规格最高、规模最大、商务及功能最优的现代化、国际化服装专业市场，建设规模占地约128亩，建筑面积约25万平方米，项目总投资约5亿元人民币。经过1--2年的开发建设，能达到正常运营期的中国XX.XX国际服装城将吸纳全国和世界各地的经销商、代理商企业物流总部等500—1000家，预计年交易额实现68亿元人民币，每年实现税收8000—10000万元人民币，每年实现利润1.68亿元人民币，实现就业和创业人员约2万以上。基于SVM车型识别系统的设计与实

2、现[摘要]车辆自动识别分类技术是智能运输系统的重要组成部分，它对特定地点和时间的车辆进行识别和分类，并以之作为交通管理、收费、调度、统计的依据。要实现我国公路收费自动化、管理规范科学化，车型自动识别方法的研究势在必行。本文研究基于车型图像代数特征的车型识别方法。该方法首先利用背景差分法从背景图像中提取出运动车辆，并对车型图像进行预处理，然后采用特征并行融合的方法用PCA方法，最后通过支持向量机分类器进行车型识别。[关键词]车型识别，特征融合，特征提取，决策支持向量机VehicleIdentificationSystem

3、BasedOnSVMDesignAndImplementationAbstract:AutomaticVehicleIdentificationandClassificationofIntelligentTransportSystemtechnologyisanimportantpartofitsspecificplaceandtimetheidentificationandclassificationofvehicles,andusedastrafficmanagement,fees,scheduling,stati

4、sticalbasis.China'sroadtolltoachieveautomation,standardizedandscientificmanagement,AutomaticVehicleIdentificationMethodimperative.Thispaperexploresthecharacteristicsofthevehiclemodelimagealgebrarecognition.Thismethodfirstusesbackgroundsubtractiontoextractfromthe

5、backgroundimagemovingvehicles,andvehicleimageispreprocessed,andthenusetheparallelfeaturefusionmethodusingprincipalcomponentanalysis,andfinallythroughthesupportvectormachineclassifierforvehicleidentification.Keyword:Vehiclerecognition,featurefusion,featureextract

6、ion,decisionsupportvectormachine目录1引言21.1车型识别的研究内容及其应用21.2车型识别的研究现状和前景31.3本文研究的主要内容及结构安排3经济增长：在优化结构、提高效益和降低消耗的基础上，“十一五”期市GDP年均增长12%以上（现14%以上），2010年达到650亿元以上，人均GDP力争1000美元；财政收入达到80亿元；规模以上工业销售达到550亿以上；全社会固定资产投资年均长20%，五年累计1000亿元；社会消费品销售额260亿元，年均增长20%，外贸进口总额2.5亿美元，年

7、均增长15%；五年累计招商引资突破500亿元，力争达到600亿元第23页共22页拟建中的阜阳市中国XXXX国际服装城依托中国XX国际服装城，拟建成为皖西北地区规格最高、规模最大、商务及功能最优的现代化、国际化服装专业市场，建设规模占地约128亩，建筑面积约25万平方米，项目总投资约5亿元人民币。经过1--2年的开发建设，能达到正常运营期的中国XX.XX国际服装城将吸纳全国和世界各地的经销商、代理商企业物流总部等500—1000家，预计年交易额实现68亿元人民币，每年实现税收8000—10000万元人民币，每年实现利润1

8、.68亿元人民币，实现就业和创业人员约2万以上。2车辆图像预处理42.1图像平滑42.2图像标准化53车型特征提取73.1PCA方法概述73.2PCA方法提取车型特征84基于支持向量机的车型识别分类器94.1现有的几种分类方法94.2支持向量机104.2.1线性支持向量机114.2.2非线性支持向量机134.2.3用于多类识别的支