吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (1): 271-276.doi: 10.13229/j.cnki.jdxbgxb201601041

• 论文 • 上一篇    下一篇

基于多特征融合的绿色通道车辆检测判定

张浩1, 2, 刘海明1, 2, 吴春国1, 2, 张艳梅1, 2, 赵天明1, 2, 李寿涛3   

  1. 1.吉林大学 计算机科学与技术学院,长春 130012;
    2.吉林大学 符号计算与知识工程教育部重点实验室,长春 130012;
    3.吉林大学 通信工程学院,长春 130022
  • 收稿日期:2014-04-09 出版日期:2016-01-30 发布日期:2016-01-30
  • 通讯作者: 李寿涛(1975-),男,副教授,博士.研究方向:智能机械及机器人多智能体行为协调与控制.E-mail:list@jlu.edu.cn
  • 作者简介:张浩(1971-),男,教授,博士.研究方向:模式识别及信息安全,生物信息学.E-mail:zhangh@jlu.edu.cn
  • 基金资助:

    吉林省交通厅重大科技项目(2010-1-4); 吉林省交通运输科技推广项目(2013-3-7)

Detection method of vehicle in highway green toll lane based on multi-feature fusion

ZHANG Hao1, 2, LIU Hai-ming1, 2, WU Chun-guo1, 2, ZHANG Yan-mei1, 2, ZHAO Tian-ming1, 2, LI Shou-tao3   

  1. 1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;
    2.Symbol Computation and Knowledge Engineering of Ministry of Education,Jilin University,Changchun 130012, China;
    3.College of Communication Engineering, Jilin University, Changchun 130022, China
  • Received:2014-04-09 Online:2016-01-30 Published:2016-01-30

RICH HTML

0   

PDF (PC)

343

摘要：

为了保证对高速公路绿色通道车辆进行快速、高效的计算机检测,本文提出了一种基于多特征融合的绿色通道车辆检测判定方法PGM-OCSVM。该方法首先利用主成分分析法(Principal component analysis,PCA)对学习样本的属性进行特征过滤,然后利用遗传算法(Genetic algorithm , GA)对one-class SVM的两个重要参数——函数核带宽σ和错误接受率v进行自适应调整,增强方法的易用性,最后构建one-class SVM模型学习样本,并对结果进行分类。通过对大数据样本分析,PGM-OCSVM可以有效地完成绿色通道车辆判定任务。目前该方法已经应用于绿色通道车辆检测系统中,取得了良好效果。

关键词: 计算机应用, 支持向量机, 多特征融合, 单类分类器, 绿色通道车辆检测

Abstract:

In order to ensure efficient computerized detection of vehicles passing green toll lane of highway, a detection method, named PGM-OCSVM, is proposed for free toll lane of highway based on multi-feature fusion. First, the Principal Component Analysis (PCA) is used to filter and simplify the sample characteristics. Then, the Genetic Algorithm is applied for adaptive adjustment of bandwidth of kernel function (σ) and false acceptance rate (v), which are two important parameters of one-class SVM. Finally, a one-class SVM model is constructed to learn the samples and classify the results. Big data analysis demonstrates that the proposed PGM-OCSVM can effectively complete green-vehicle discrimination task. This method has been applied to the vehicle detection system in free toll lane of highway.

Key words: computer applications, SVM, multi-feature fusion, one class classifier, vehicle detection of the free toll lane

中图分类号: 

  • TP391.4
[1] 孙晓宁.“绿色通道”车辆检测系统应用研究[J]. 中国交通信息化, 2012,30(5): 119.
Sun Xiao-ning. The research of “Green channel” vehicle detection system application[J]. Chinese traffic information, 2012, 30(5):119.
[2] 李寿涛,马用学,郭鹏程,等. 一种基于有限状态自动机的绿色通道车辆驾驶室避让控制方法[J]. 吉林大学学报: 工学版, 2014, 44 (4): 1069-1075.
Li Shou-tao, Ma Yong-xue , Guo Peng-cheng,et al. A control method for vehicle cab avoidance in free toll lane of highway based on finite state machine[J]. Journal of Jilin University(Engineering and Technology Edition) , 2014, 44 (4): 1069-1075.
[3] 林培杰, 郑柏春, 陈志聪, 等. 面向多区域视频监控的运动目标检测系统[J]. 液晶与显示, 2015,30(3): 484-491.
Lin Pei-jie, Zheng Bo-chun, Chen Zhi-cong, et al. System of multi-regions moving object detection in video surveillance[J]. Chinese Journal of Liquid Crystals and Displays, 2015,30(3): 484-491.
[4] 柯洪昌, 孙宏彬,. 图像序列的显著性目标区域检测方法[J]. 中国光学, 2015,8(5): 768-774.
Ke Hong-chang, Sun Hong-bin. A saliency target area detection method of image sequence[J]. Chinese Optics, 2015,8(5): 768-774.
[5] 刘志强, 尹建芹, 张玲, 等. 基于Kinect数据主成分分析的人体动作识别[J]. 光学精密工程, 2015, 23(10z): 702-711.
Liu Zhi-qiang, Yin Jian-qin, Zhang Ling, et al. Human action recognition based on Kinect data principal component analysis[J]. Optics and Precision Engineering, 2015, 23(10z): 702-711.
[6] 潘志松,陈斌,缪志敏,等. One-Class 分类器研究[J]. 电子学报, 2009, 37(11): 2496-2503.
Pan Zhi-song, Chen Bin, Miao Zhi-min, et al. Overview of study on one-class classifiers[J]. Acta Electronica Sinica, 2009, 37(11): 2496-2503.
[7] Schlkopf B, Platt J, Shawe-Taylor J, et al. Estimating thesupport of high-dimensional dist ribution[J]. Neural Computation, 2001, 13(7): 1443- 1471.
[8] 郭敬明, 何昕, 魏仲慧. 基于在线支持向量机的Mean Shift彩色图像跟踪[J]. 液晶与显示, 2014,29(1): 120-128.
Guo Jing-ming, He Xin, Wei Zhong-hui. New mean shift tracking for color image based on online support vector machine[J]. Chinese Journal of Liquid Crystals and Displays, 2014,29(1): 120-128.
[9] Tsang I W, Kwok J T, Li S. Learning the kernel in mahalanob is one-class support vector machines[C]∥International Joint Conference on Neural Networks, Vancouver: IEEE Press,2006:1169-1175.
[10] 刘元宁, 王刚, 朱晓冬,等. 基于自适应多种群遗传算法的特征选择[J]. 吉林大学学报: 工学版, 2011, 41(6): 1690-1693.
Liu Yuan-ning, Wang Gang, Zhu Xiao-dong, et al. Feature selection based on adaptive multi-population genetic algorithm[J]. Journal of Jilin University (Engineering and Technology Edition), 2011, 41(6): 1690-1693.
[11] 刘大有,梁艳春,王飞,等. 遗传程序设计方法综述[J]. 计算机研究与发展, 2001, 38(2): 213-222.
Liu Da-you, Liang Yan-chu, Wang Fei, et al. Genetic progamming paradigm: A survey[J]. Journal of Computer Research and Development,2001, 38(2): 213-222.
[12] 杨剑, 李伏欣, 王珏. 一种改进的局部切空间排列算法[J]. 软件学报, 2005, 16(9): 1584-1590.
Yang Jian, Li Fu-xin, Wang Jue. A better scaled local tangent space alignment algorithm[J]. Journal of Software, 2005, 16(9): 1584-1590.
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[7] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[10] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[13] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[14] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[15] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发