智能交通系统中汽车车型的模糊模式识别

摘要

随着经济的发展，交通需求不断提高，而交通管理的相对落后使得交通拥挤问题日益突出。解决这个问题的办法之一就是实行交通管理的智能化。本文对智能交通系统中汽车车型的自动识别问题进行了研究。 本文首先从正顶和正侧两个角度摄取汽车图像。通过预处理、分割、轮廓跟踪得到汽车的轮廓图，然后从中提取各种特征。采用基于模糊度的特征选择方法，由模糊度的大小作为各特征对分类贡献的指标进行特征的选择。由于我国的车型分类具有种类多、类别界线模糊的特点，仅利用传统的识别方法很难得到满意的效果。针对这个特点，本文采用模糊识别技术对车型进行分阶段识别。第一阶段利用模糊支持向量机实现客车和货车的分类；第二阶段利用模糊神经网络分别建立客车和货车的识别模型，用遗传算法来同时优化隶属函数和推理规则，得到了稳定精简的识别模型，从而实现客货车的细分。 利用训练数据进行识别模型的训练，通过测试数据验证识别模型在第一阶段识别率为100％，第二阶段可达到93.3％。

目录

文摘

英文文摘

声明

第一章引言

1.1研究的实际背景和意义

1.2目前的研究现状

1.3本文的主要内容和特点

第二章模糊模式识别基础理论

2.1模式识别概论

2.2模糊模式识别基础

2.2.1模糊关系和模糊矩阵

2.2.2模糊语言变量和模糊推理

2.2.3贴近度和择近原则

2.3模糊模式识别系统

第三章图像处理和特征提取

3.1汽车车型识别系统简介

3.2车型识别的分类标准

3.3图像采集

3.4图像预处理

3.4.1图像平滑

3.4.2图像模糊增强

3.5图像分割和轮廓跟踪

3.5.1图像分割

3.5.2轮廓提取

3.6 HOUGH变换检测直线

3.7特征提取和选择

第四章识别模型的建立与优化

4.1原理简介

4.2客货车识别模型

4.2.1支持向量机

4.2.2模糊支持向量机

4.3客车识别模型

4.3.1模糊神经网络

4.3.2遗传算法优化

第五章数据处理

5.1客、货车分类数据处理

5.2客车分类数据处理

5.2.1特征选择

5.2.2遗传算法优化

5.2.3 测试结果

第六章结果分析

参考文献

致 谢