专利名称：一种基于二类支持向量机和遗传算法的轿车车型识别方法
技术领域：
本发明属于模式分类技术领域，特别涉及一种基于二类支持向量机和遗传算法的轿车车型识别方法。
背景技术：
交通信息采集是构建智能交通系统动态交通信息平台的基础，而车型是交通信息的重要组成部分。路桥、停车场收费系统、路桥管理和监控系统等都需要进行车型识别。在智能交通管理系统中，车型识别系统能够自动、实时地检测经过车辆并识别汽车的车型、车牌、车标的交通管理系统，可以被广泛应用于道路通行车辆信息记录、高速公路自动收费、电子警察监控、停车场安全管理、肇事、嫌疑、被盗车辆的追踪、定位等。目前，车辆信息的获取渠道主要来自交通监控的视频，所以车辆检测的主要功能 是从视频中把车辆信息提取出来；而车型识别则是分析已经提取的车辆外形等特征，从而对车辆进行分类识别。现阶段基于视频的车辆检测方法主要通过从图像和视频中得到车辆位置、车辆轮廓、车辆长宽等特征，再使用模式识别或数据挖掘等技术进一步进行分类、行为语义等分析。相关的理论和算法主要有(I)基于动态时间弯曲算法的车型分类方法；
(2)采用特征分离的模糊模式识别进行线圈车型识别；(3)基于BP神经网络的线圈车型识别方法。这些方法主要针对大车型的识别，如对货车、大型客车等大车型的识别取得了较好的效果，而对于同一车型中的各种类型车辆，比如别克旗下的君威、君越、凯越等不同轿车车型的识别准确率较低。支持向量机(SVM)是在Vapnik等人所建立的以解决有限样本机器学习问题为目标的统计学习理论的基础上发展起来的一种新的学习机器，它是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以获得最好的推广能力。由于其在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，因此广泛应用于模式识别和数据挖掘等领域。支持向量机主要用于根据输入的特征向量对目标样本进行分类，比如设数据样本Z为η个d维特征向量，分类结果h e {-I, 1}表示分类后样本被划分为-I或I两类，即
I —[/(Λ)]
支持向量机即函数sgn[/(x)]，通过训练集样本支持向量机训练得到特征函数f (X)，而对应目标样本X，通过判别函数s酔[/O')]即可计算出样本所属的类别(-1或I)。早期的支持向量机只能对线性可分的二类问题进行分类，但是核函数技巧的提出改变这个状况。所谓核函数技巧就是通过一个核函数将线性不可分的样本特征向量映射到一个高维空间中，在这个高维空间类样本能够线性可分；而通过由多个二类支持向量机构造的二类支持向量机网络，可以解决多类划分问题。但是目前已存在的轿车车型识别方法主要有两个缺点1)支持向量机网络构造复杂，网络中支持向量机数目较大，导致分类预测效率低。2)支持向量机参数的选取至今仍没有一个统一标准，大多数情况下依靠经验和试凑的方法来寻找，这样不仅费时而且很难得到满意的结果，难以推广实际应用。
发明内容
本发明中所述方法是为了克服上述现有技术的缺点，主要针对已经提取的轿车车辆特征对车型进行细分识别的问题，提出了一种基于二类支持向量机和遗传算法的轿车车型识别方法，根据选定的轿车车辆外形特征进行多类轿车车辆类型的识别，减少二类支持向量机网络中的向量机数目，提高算法效率。本发明采用的技术方案是包含以下步骤
(1)选择待识别的轿车的长、宽、高、轴距这四项特征值，并对其进行归一化处理后组成特征向量； (2)对待识别的每个轿车车型分配一个二进制编号，对种轿车车辆类型进行识别时，
进行「log2 位的二进制编码；根据所得的二进制编码构造二类支持向量机网络，由二进
制编码的位数决定网络中二类支持向量机的数目，由二进制编码每一位上的O或I的值决定对应的二类支持向量机要区分的车辆类型；
(3)对得到的二类支持向量机网络中的每个二类支持向量机进行训练，并使用遗传算法对二类支持向量机的惩罚参数C和核函数参数r进行寻优，获得的最优参数C和r；
(4)将所述特征向量输入训练完成的二类支持向量机网络，采用最优参数C和r对训练完成的二类支持向量机网络进行预测，输出识别结果，完成轿车车型识别。相对于现有技术，本发明所提出的方法具有以下几个优点
I、本发明通过多个利用核函数方法的二类支持向量机构造的二类支持向量机网络，利用了轿车车型的二进制编码进行二类支持向量机的构造，减少了二类支持向量机网络中的向量机数目，使得所需支持向量机数目远小于同类方法，提高了识别速度，提高了算法效率。2、本发明通过遗传算法选择二类支持向量机的参数，使用遗传算法对二类支持向量机的参数进行优化，避免了传统支持向量机选取参数的盲目性和低效性。
图I是提出的轿车车型识别方法流程 图2是利用轿车车型二进制编码构造支持向量网络的示意 图3是遗传算法参数寻优方法流程图。
具体实施例方式本发明的具体流程图如图I所示；分为以下四个步骤
步骤I :特征信息预处理。本步骤选定用于轿车车型识别的特征值，并对其进行归一化处理。综合考虑车型的外形特点和获取难度，基于车型识别的经验和车型的主要区分点，主要选择轿车的长、宽、高、轴距这四项特征作为特征值。
对选定的特征值进行归一化处理，将其线性转化到
区间，转化公式如下
权利要求
1.一种基于二类支持向量机和遗传算法的轿车车型识别方法，其特征是包括如下步骤 (1)选择待识别的轿车的长、宽、高、轴距这四项特征值，并对其进行归一化处理后组成特征向量；(2)对待识别的每个轿车车型分配一个二进制编号，对种轿车车辆类型进行识别时，进行「1明2 1位的二进制编码；根据所得的二进制编码构造二类支持向量机网络，由二进制编码的位数决定网络中二类支持向量机的数目，由二进制编码每一位上的O或I的值决定对应的二类支持向量机要区分的车辆类型； (3)对得到的二类支持向量机网络中的每个二类支持向量机进行训练，使用遗传算法对二类支持向量机的惩罚参数C和核函数参数r进行寻优，获得最优参数C和r； (4)将所述特征向量输入训练完成的二类支持向量机网络，采用最优参数C和r对训练完成的二类支持向量机网络进行预测，输出识别结果，完成轿车车型识别。
2.根据权利要求I所述的一种基于二类支持向量机和遗传算法的轿车车型识别方法，其特征是步骤(2)中的每个二进制位上的值对应地决定一个二类支持向量机的类别划分。
3.根据权利要求I所述的一种基于二类支持向量机和遗传算法的轿车车型识别方法，其特征是步骤(3)中，使用遗传算法对二类支持向量机的惩罚参数C和核函数参数r进行寻优的方法是 O设置种群规模和迭代次数，对待优化的惩罚参数C和核函数参数r进行编码； 2)设置遗传算法适应度函数，交叉变异概率和进化代数，生成C，r初始种群； 3)输入训练样本数据和参数c，r,计算每个染色体的适应度值,并计算每个染色体的选择概率； 4)根据适应度函数和交叉、变异概率值对参数c，r的种群进行选择、复制、交叉和变异操作，获取参数c，r的新种群； 5)判断进化代数是否满足，如未满足，继续从第3)步重复运行，否则输出获得的最优参数c和r。
全文摘要
本发明公开一种基于二类支持向量机和遗传算法的轿车车型识别方法，对待识别的轿车的长、宽、高、轴距的特征值进行归一化处理，组成特征向量；对每个轿车车型分配一个二进制编号，根据所得的二进制编码构造二类支持向量机网络，对得到的二类支持向量机网络中的每个二类支持向量机训练，使用遗传算法对二类支持向量机的惩罚参数c和核函数参数γ进行寻优，获得最优参数c和γ；将特征向量输入训练完成的二类支持向量机网络，采用最优参数c和γ对训练完成的二类支持向量机网络进行预测，完成轿车车型识别；减少了二类支持向量机网络中的向量机数目，使得所需支持向量机数目远小于同类方法，提高了识别速度，提高了算法效率。
文档编号G06K9/66GK102880881SQ20121035869
公开日2013年1月16日 申请日期2012年9月25日 优先权日2012年9月25日
发明者顾晓清, 倪彤光, 薛磊 申请人:常州大学