|
- UID
- 872238
|
类的半径定义为：
R={R(xi)|xj是支持向量} （14）
任选一支持向量代入式（13），即可求出R。
输入数据空间中该类的轮廓（分界面）就是集合
{x|R(x)=R} (15)
如果R(x)>R，那么x为孤立点或其它类点。
2 系统实现
2.1 图像采集和特征提取
利用两部CCD摄像机和图像采集卡获得同一车辆的两幡图像，基于双目视觉原理对两幅图像进行特征匹配，得到车辆的三维模型。根据摄像机标定矩阵和成像几何模型可以计算出车辆的三维数据：车长、车宽和车高。采集每一类别车辆图像若干，得到该类车辆训练样本作为车型分类器训练依据。
2.2 训练数据预处理
采用有导师训练的方法进行分类器训练，首先要确定训练样本所属类型。本文将车辆分为大型、中型和小型三类。按照前述方法获取100个车辆三维数据对，采用动态聚类方法K-Means对100个数据样本进行自动聚类[5]，设定聚类类别数为3。从聚类结果选择各类训练样本（每类10个），其余数据作为测试样子，训练样本见表1。
2.2 分类器设计
支持向量机一般用于二类模式识别，对于多类问题识别能力不足。为了使二类分类器能用于多类模式，本文为每类车辆分别设计识别器，然后通过表决器进行决策，如图1。
其中，SVM1、SVM2和SVM3分别为大、中和小型车的识别器，输出结果分别为（大，非大）、（中，非中）和（小，非小）三个数对。表决器以三个识别器的输出组成的向量作为输入进行综合判断，输出车辆类型。 |
|
