人類歷史發(fā)展的進(jìn)程中,工具起著革命性的作用,而交通工具的誕生真正使地球成為了地球村。汽車自被發(fā)明之日起到現(xiàn)在經(jīng)歷了階躍式的發(fā)展,人們希望汽車能做到和人類一樣的智能化,即在更少的人為干預(yù)下,自動判斷道路情況�；诖�,研究者們進(jìn)行了車輛和車輛所處道路環(huán)境等智能化的研究,此時(shí)智能交通系統(tǒng)（Intelligent Traffic Systems,ITS）應(yīng)運(yùn)而生。在智能交通系統(tǒng)中路面交通標(biāo)志的識別是車輛行駛智能化的關(guān)鍵部分。本文對基于支持向量機(jī)的路面交通標(biāo)志識別方法進(jìn)行了研究。本研究分為兩個(gè)部分,第一部分是對采集到的路面圖像進(jìn)行圖像預(yù)處理、圖像感興趣區(qū)域的確定和圖像邊緣檢測來得到包含路面交通標(biāo)志的目標(biāo)圖像。第二個(gè)部分包括三個(gè)階段,第一個(gè)階段是對目標(biāo)圖像進(jìn)行特征提取,首先對Hu不變矩特征提取算法和PHOG特征提取算法進(jìn)行研究,然后在Hu不變矩和PHOG特征提取方法的基礎(chǔ)上提出了 Hu不變矩和低維的PHOG相融合的特征提取方法。最后將融合的特征作為路面交通標(biāo)志圖像的提取特征。第二個(gè)階段是在二分類支持向量機(jī)的基礎(chǔ)上使用一對一方法構(gòu)建多分類支持向量機(jī)分類器。在構(gòu)建多分類支持向量機(jī)過程中首先對支持向量機(jī)... 

【文章來源】：大連交通大學(xué)遼寧省

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．３無法打散空間４個(gè)點(diǎn)??Ｆｉｇ．?２．３?ｃａｎ＇ｔ?ｂｒｅａｋ?ｕｐ?ｓｐａｃｅ?４?ｐｏｉｎｔｓ??

?大連交通大學(xué)工學(xué)碩士學(xué)位論文????ＶＣ維定義：假設(shè)存在一個(gè)有ｈ個(gè)樣本的樣本集能被一個(gè)函數(shù)集中的函數(shù)按照所有??可能的ｈ種形式分為兩類，則此函數(shù)集能夠把樣本數(shù)為ｈ的樣本集打散。也就是說，如果??存在ｈ個(gè)樣本的樣本集能夠被函數(shù)集打散，而不存在ｈ＋１個(gè)樣本能被打散，則函數(shù)集的ＶＣ??維就是ｈｌ４Ｑ］。??下面用一個(gè)例子來解釋ＶＣ維的概念。假設(shè)二維空間中的一個(gè)指示函數(shù)集Ｉ?（只有??兩類輸出；；＝｛０，１｝），空間中有ｎ個(gè)點(diǎn)（不共線），想要用這個(gè)指示函數(shù)集分隔空間中??的ｎ個(gè)點(diǎn)，則］個(gè)點(diǎn)和２個(gè)點(diǎn)能被完全分開。對于３個(gè)點(diǎn)（不共線）的情況，共會出現(xiàn)??８種分法，如圖２．２所示。??ＪＬ，／?＠?？?＾?ｎ?？??＂／?？９?＾??／〇?｜?中？］?？?／??么々Ｘ?４??圖２．２打散空間３個(gè)點(diǎn)??Ｆｉｇ．?２．２?ｂｒｅａｋ?ｕｐ?ｔｈｉ＊ｅｅ?ｐｏｉｎｔｓ?ｉｎ?ｓｐａｃｅ??Ｉ可以將３個(gè)點(diǎn)完全分開，這種完全劃分被稱為打散。繼續(xù)讓它打散４個(gè)點(diǎn)，如圖??２．３所示。?????Ｏ?［Ｉ??圖２．３無法打散空間４個(gè)點(diǎn)??Ｆｉｇ．?２．３?ｃａｎ＇ｔ?ｂｒｅａｋ?ｕｐ?ｓｐａｃｅ?４?ｐｏｉｎｔｓ??圖２．３中出現(xiàn)了問題，因?yàn)槌霈F(xiàn)了異或的情況，Ｉ無法打散空間４個(gè)點(diǎn)，那么二維??空間的指示函數(shù)集Ｉ的ＶＣ維就是３。??８??

ｓｌ。很明顯，該定理說明在經(jīng)驗(yàn)風(fēng)險(xiǎn)最??小化原則下，總體的真實(shí)風(fēng)險(xiǎn)由兩部分構(gòu)成：??Ｒ｛ｃｄ?＜?Ｒｅｗｐｉｃｄ?＋?＾（．ｎ／?ｈ）?（２．４）??式（２．４）中的７？ｅ；？ｐ（ａ）是經(jīng)驗(yàn)風(fēng)險(xiǎn)，（Ｄ〇／／〇為置信區(qū)間。＂幺＂表示真實(shí)風(fēng)險(xiǎn)與經(jīng)驗(yàn)風(fēng)險(xiǎn)??差距的最大界即推廣能力的界。??對于某類特定問題，固定樣本數(shù)ｎ，如果ＶＣ維越高，即說明學(xué)習(xí)機(jī)器的復(fù)雜性越??高，因此，在設(shè)計(jì)學(xué)習(xí)機(jī)器時(shí)，不但要使經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化，還要使ＶＣ維盡量�。郏�。使??用推廣能力界的概念，就可以尋找解決策略，如圖２．４所示。??（（｜＾??圖２．４嵌套集合Ｓｆｃ??Ｆｉｇ．?２．４?Ｎｅｓｔｅｄ?ｃｏｌｌｅｃｔｉｏｎ義??定義函數(shù)ｅ?Ａ的集合ｓ具有一定的結(jié)構(gòu)，這一結(jié)構(gòu)是由一系列嵌套的函數(shù)子集??知＝〇３（ｚ，ｏ〇，ｃｘ?ｅ?Ａｆｃ｝組成的。它們滿足Ｓｉ?Ｃ?＆匚…Ｃ?，其中結(jié)構(gòu)中的元素滿足下面兩個(gè)性質(zhì)。??①每個(gè)函數(shù)集知的ＶＣ維心是有限的，因此，??②結(jié)構(gòu)的任何元素＆包含一個(gè)完全有界函數(shù)的集合ＯＳ?＜？（Ｚ，ａ）?Ｓ?ｃｘ?ｅ?Ａｆｃ。??此時(shí)選擇使最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)與置信區(qū)間之和最小的子集，就可以達(dá)到期望風(fēng)險(xiǎn)的最??校這個(gè)子集中使經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的函數(shù)就是所要求的函數(shù)。這種思想稱作結(jié)構(gòu)風(fēng)險(xiǎn)最小??化原則（Ｓｔｒｕｃｔｕｒｅ?Ｒｉｓｋ?Ｍｉｎｉｍｉｚａｔｉｏｎ），簡稱ＳＲＭ原則【４３】。ＳＲＭ原則定義了給定樣本??９??

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)在線訓(xùn)練算法的研究[J]. 劉曉舟.  科技風(fēng). 2019(01)
[2]基于機(jī)器視覺的草莓圖像處理研究[J]. 蘇博妮,化希耀.  首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]2017年全國機(jī)動車和駕駛?cè)吮３指呶辉鲩L[J].   道路交通管理. 2018(02)
[4]基于MATLAB的灰色拓?fù)湓诮煌ㄊ鹿暑A(yù)測中的應(yīng)用[J]. 林登科,陳伯輝,沈斐敏.  交通標(biāo)準(zhǔn)化. 2014(21)
[5]基于數(shù)學(xué)形態(tài)學(xué)與小波變換的邊緣檢測算法[J]. 許端,董文鋒,潘自凱,戴錦紅,徐怡頻.  計(jì)算機(jī)應(yīng)用. 2012(S2)

博士論文
[1]智能車行車環(huán)境視覺感知關(guān)鍵技術(shù)研究[D]. 梁敏健.長安大學(xué) 2017

碩士論文
[1]城市道路短時(shí)交通流預(yù)測方法研究[D]. 周揚(yáng)棟.江西理工大學(xué) 2018
[2]基于機(jī)器視覺的車道線檢測和交通標(biāo)志識別研究[D]. 劉蘭馨.華南理工大學(xué) 2018
[3]基于透視形變減弱變換的高效路面標(biāo)志識別技術(shù)研究[D]. 馮敏.重慶大學(xué) 2018
[4]基于極限學(xué)習(xí)機(jī)的風(fēng)電機(jī)組主軸承故障診斷方法研究[D]. 繩菲菲.華北電力大學(xué) 2017
[5]基于深度學(xué)習(xí)的道路車輛檢測方法研究[D]. 倫智梅.大連理工大學(xué) 2017
[6]基于車載攝像頭的路面交通標(biāo)志識別研究[D]. 任洪梅.合肥工業(yè)大學(xué) 2017
[7]基于視覺的手勢識別及其應(yīng)用研究[D]. 付瀟聰.南京理工大學(xué) 2017
[8]智能視頻監(jiān)控平臺中區(qū)域目標(biāo)檢測和聯(lián)合跟蹤的設(shè)計(jì)與實(shí)現(xiàn)[D]. 秦浩.南京郵電大學(xué) 2016
[9]基于圖像處理的鐵路軌道異物入侵的自動識別研究[D]. 金炳瑞.蘭州交通大學(xué) 2016
[10]基于機(jī)器視覺的鐵路扣件缺陷檢測方法研究[D]. 王珍珍.蘭州交通大學(xué) 2016



本文編號：3146122