论文部分内容阅读
随着城市化的建设，工程车辆的使用频率大大提高，而工程车辆相对普通车辆更具有危险性。吊车、挖掘机、吊臂、浇灌车等工程车辆既有可能伤害到人，也可能会对电线等基建设施造成危害。因而对工程车辆的监控管理也具有重要意义。但这些管理包含大量重复性工作，因此我们迫切需要智能交通系统这样的信息化产业减少部分机械式工作。 基于图像处理的车型分类方法目前有很多，但在复杂背景下效果不理想，同时对几何特征相似或自身变化较大的车无能为力。对工程车辆分类的难点既包括普通车辆分类也存在的背景干扰问题，也包括工程车辆易发生形变的问题。 依据工程车辆自身的特点，本文提出了一种首先对工程车辆区域进行定位，然后基于显著性区域的工程车辆分类系统，使得对工程车辆适用。系统主要包括5个模块:定位模块、显著性区域提取模块、局部特征提取模块、特征袋生成模块和分类模块。 主要的工作如下: 1.研究对监控图像中工程车辆的定位方法，提取工程车辆区域。 2.研究以上下文相关显著性检测的显著性区域的提取方法。 3.研究SIFT特征和HOG特征，并将这两种特征的检测与显著性进行结合。 4.研究各种机器学习分类方法，重点研究支持向量机。将特征袋(Bagoffeatures，BOF)算法生成的BOF向量输入支持向量机进行训练和预测。 5.将各模块实验结果进行分析，部分模块的实验结果还与其它算法进行了对比分析。