《基于SVM与数据融合的车辆视频分类系统》PDF+DOC
作者:张慧敏,班晓娟,孟宇,石山松
单位:华北计算技术研究所
出版:《计算机工程与应用》2010年第11期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJSGG2010110680
DOC编号:DOCJSGG2010110689
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于SVM的多源异构数据融和方法》PDF+DOC2017年第03期 李会民,马桂英
《基于SVM的营养液离子浓度检测的数据融合研究》PDF+DOC2005年第11期 荣进国,陈锋
《多类型传感器实时交通数据采集和车型自动分类系统设计》PDF+DOC2005年第01期 刘利频,温慧英,徐建闽
《基于SVM和证据理论的多数据融合故障诊断方法》PDF+DOC2010年第08期 姜万录,吴胜强
《多气体的SVM数据融合定性识别方法》PDF+DOC2009年第09期 黄为勇,任子晖,童敏明
《基于SVM的多特征数据的概率融合方法》PDF+DOC2009年第02期 潘继斌
《基于压力传感器阵列的车型分类系统》PDF+DOC2006年第07期 张健雄,张进,戴志超
《三轴AMR车辆检测器的车型分类设计实现》PDF+DOC2014年第04期 蔡伯根,赵济民,王剑,刘江,王忠立
《基于核函数SVM的穿戴式姿态识别系统》PDF+DOC2010年第10期 胡一帆,林欣,丁永生,吴怡之
《小波和多核SVM方法在UVA传感器故障诊断的应用》PDF+DOC2014年第01期 叶慧,罗秋凤,李勇
影响基于视频检测的车型分类系统准确率的一个主要因素是采集的车辆外型参数的准确性。针对这种情况,提出了基于多源数据融合的方法提取车辆的外型参数,并使用SVM(支持向量机)对车辆进行分类。实验结果表明,多源数据融合的方法能够有效控制在采集过程中产生的噪音干扰和镜头畸变引起的误差,提高车型参数的准确性。使用支持向量机分类能够克服神经网络中无法避免的局部极值问题。该方法能够提高车型分类准确率,实时性强,适用于实时车型分类系统。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。