微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2007年
7期
296-297,307
,共3页
支持向量机%车型识别%特征提取%不变矩
支持嚮量機%車型識彆%特徵提取%不變矩
지지향량궤%차형식별%특정제취%불변구
支持向量机(SVM)理论建立在结构风险最小化原理基础上,对非线性、高维数的小样本问题有非常好的分类效果和学习推广能力.本文设计了基于支持向量机的车型识别系统,系统通过对摄像机采集的视频图像进行运动目标检测分割、特征提取与选择、模式识别等处理,达到实时车型识别.试验结果表明,该系统有很高的识别率和适应性.
支持嚮量機(SVM)理論建立在結構風險最小化原理基礎上,對非線性、高維數的小樣本問題有非常好的分類效果和學習推廣能力.本文設計瞭基于支持嚮量機的車型識彆繫統,繫統通過對攝像機採集的視頻圖像進行運動目標檢測分割、特徵提取與選擇、模式識彆等處理,達到實時車型識彆.試驗結果錶明,該繫統有很高的識彆率和適應性.
지지향량궤(SVM)이론건립재결구풍험최소화원리기출상,대비선성、고유수적소양본문제유비상호적분류효과화학습추엄능력.본문설계료기우지지향량궤적차형식별계통,계통통과대섭상궤채집적시빈도상진행운동목표검측분할、특정제취여선택、모식식별등처리,체도실시차형식별.시험결과표명,해계통유흔고적식별솔화괄응성.
