【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种,采用稀疏特征表示车辆图像,获取目标图像本质的字典基和稀疏表示,并进行特征表示及目标分类识别。本专利技术使用稀疏编码方法表示交通监控中车辆图像特征,并实现基于稀疏编码的车辆分类与识别,进而从高速公路监控视频中提取交通流参数,为上层车辆速度感知、车流量统计服务,分类效率显著优于传统方法。【专利说明】
本专利技术涉及智能交通信息
,尤其是一种针对高速公路监控视频的。
技术介绍
在ITS(Intelligent Transport System,智能交通系统)应用中,交通流参数提取是道路感知的前提条件,一般车检检测方法有地感线圈检车检器、激光轮廓仪、RFID、监控视频挖掘等手段。 上述应用中,地感线圈铺设对路面破坏大,且受压后容易损坏,安装维护困难,不适于高速公路推广;激光轮廓仪价格昂贵,不适合大面积布设;RFID需要分发标签与布设读卡器,高速公路多车道长距离铺设不现实;鉴于目前高速公路平均2Km —对摄像头,视觉传感的路网感知方案利用已经设备资源,数据源分布广泛,成本低而普及范围广,是当前智能交通研究热点,但视频计算易受光线变化、车辆遮挡、恶劣天气等多种因素影响,但传统基于轮廓特征、颜色特征的车辆提取需要在稳定、高清的摄像机条件下实现,鲁棒性及泛化能力较差。 稀疏编码方法是近年来机器学习和神经网络领域的研究热点,其基本思想来源于压缩感知理论,如式(I)所示,稀疏编码通过无监督学习,提取数据的基本表示字典(bases,基),将样本表示成基与稀疏权向量的线性组合,由于稀疏权向量大部分数据为O元素, ...
【技术保护点】
一种基于稀疏编码的监控车辆特征表示及分类方法,其特征在于:采用稀疏特征表示车辆图像,获取目标图像本质的字典基和稀疏表示,并进行特征表示及目标分类识别,包括如下步骤: 一、GMM背景建模及目标提取:通过视觉传感方法提取监控视频的运动目标,以GMM提取出背景,将视频中新出现帧与所提取背景差分,得出运动目标; 二、车辆稀疏特征表示:使用L1正则限制,通过损失函数最小求解图像的特征基向量及稀疏系数; 三、线性SVM训练与车辆分类:将稀疏特征输入SVM分类器,将分类错误的样本重新加入到训练集中,对字典和SVM模型进行重新训练,经50次左右迭代,提取最佳训练结果条件下的字典集及SVM分类模型。
【技术特征摘要】
【专利技术属性】
技术研发人员:陈湘军,张杰,龙高燕,
申请(专利权)人:江苏理工学院,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。