基于灰色理论的车辆分类统计与流量预测

《基于灰色理论的车辆分类统计与流量预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、总第244期计算机与数字工程Vo1．38No．22010年第2期Computer&DigitalEngir／eering13O基于灰色理论的车辆分类统计与流量预测袁理(武汉职业技术学院电子信息工程学院武汉430074)摘要在灰色理论基础上提出了一种自动车型识别与流量预测技术。该技术实现可分为三个步骤：第一步，测量车辆的三维信息，获得车辆的长、宽、高度特征；第二步，利用灰色关联分析对车辆进行分类识别；第三步，建立一阶单变量车辆预测模型即GM(1，1)，用于有关部门统计指标的预测。实验表明，该方法在车型识别中，具有比较高的识别精度，而灰色预测模型较传统的预测方法更具科学性与

2、实用性。关键词车型识别；灰色理论；灰色关联分析；GM(1，1)中图分类号TP391ClassificationandStatisticsonVehicleandTraficForecastBasedonGraySystemYuanLi(CollegeofElectronicInformationEngineering，WuhanPolytechnic，Wuhan430074)AbstractAtechnologyofvehiclemodelrecognitionandtrafficforecastbasedongraysystemisintroduced．Thetech

3、—nologycouldbedividedintothreemajorsteps：firstly，measuringthethree-dimensionalinformationofvehicle，obtainthefeaturesoflength，widthandheight．Secondly，classifyingandrecognizingvehiclebygraycorrelationanalysis．thirdly，es—tablishingafirst-ordersinglevariabletrafficforecastmodel，whichisgrayea

4、rlywarningmodel(GM(1，1))．Experimentre—sultindicatedthatthenovelmethodobtainedhighidentificationprecisioninvehiclemodelrecognition，andcomparedwithtraditionalforecastingmethods，theGM(1，1)ismorescientificandpractica1．KeyWordsvehiclemodelidentification，graytheory，graycorrelationanalysis，GM(1

5、，1)ClassNumberTP39]有基于视频图像处理技术l_4]、感应式车型识别系1引言统l6]等。随着计算机技术的迅速发展，基于图像处目前，我国公路收费系统中，大多数都采用人理技术的视频检测方法越来越受到人们的关注。工观测判断车型，以此作为收费的依据；由闭路电在视频检测中，通过专用的图像采集卡将摄像机抓视监视，计算机完成各类数据的统计。这种系统管拍的图像数据传给计算机，在计算机上对采集图像理水平高，运营成本低，但存在一个致命的不足就进行分析与处理，获得车辆的长、宽、高数据，再由是人工干预太多。如果在现有的收费系统中加入神经网络判断器做出判断，获得车型的相关信息。车

6、型自动识别与分类装置(AutomaticVehicle但迄今为止的研究表明，(BackPropagation，BP)Classification，AVC)[1]，就可以提高公路收费的自神经网络[7]本身存在着隐层结构无规律可循，易陷动化程度，有效地减少收费纠纷，提高车辆通过率、于局部极小值等缺陷，故在一定程度上降低了神经费额征收率及管理效率。网络的实际应用效果。因此基于支持向量机[8]对于车型的自动识别q]，国内、国外的研究(SupportVectorMachine，SVM)算法应运而生。*收稿日期：2009年1O月11Et，修回日期：2009年11月12日作者简介：袁

7、理，男，博士研究生，助教，研究方向：图像处理与模式识别。2010年第2期计算机与数字工程但SⅥⅥ是针对二类别的分类而提出的，且SVM机上的直角坐标系，遵循右手法则，其原点0位于需要通过训练样本找出最优分类函数，再通过决策投影中心，轴与投影轴重合。0点位置就是摄像树进行分类识别，这必将影响识别的复杂度与速机的镜头位置。Oxy平面与图像平面的距离为摄度。针对以上缺点，本文提出基于灰色关联的车型像机的焦距厂。得到透视投影方程：识别方法不但算法简单、识别时间快，而且无需训z7z—／—f／z1、)练直接进行匹配识别。点(．z，，z)在图像平面中的位