基于多示例技術(shù)的車輛識(shí)別系統(tǒng)的設(shè)計(jì)和開發(fā).pdf

1、準(zhǔn)確實(shí)時(shí)地識(shí)別道路前方車輛、行人等障礙物信息是汽車防碰撞預(yù)警系統(tǒng)實(shí)現(xiàn)的前提。其中，基于視覺的前方車輛識(shí)別更是近年來智能汽車輔助駕駛研究領(lǐng)域的熱點(diǎn)問題。
　　本文結(jié)合基于內(nèi)容的圖像特征提取方法，將多示例學(xué)習(xí)運(yùn)用到車輛識(shí)別中，研究了一種基于多示例學(xué)習(xí)技術(shù)的車輛識(shí)別系統(tǒng)。首先，本文分析了圖像采集過程中疊加的噪聲信息，針對(duì)性的采用高斯濾波方法對(duì)圖像進(jìn)行降噪處理，獲得了良好的效果;然后通過K-Means聚類算法對(duì)圖像進(jìn)行分割，在聚類前，結(jié)合

2、粗糙集理論確定初始的聚類中心和數(shù)目，降低聚類算法的復(fù)雜度，獲得了較好的分割效果;對(duì)分割后的圖像區(qū)域提取顏色、紋理、形狀特征，生成對(duì)應(yīng)的圖像區(qū)域特征信息;最后，一幅圖像對(duì)應(yīng)一個(gè)示例包，各分割區(qū)域的圖像特征對(duì)應(yīng)包中的示例，結(jié)合一種基于示例選取的多示例學(xué)習(xí)算法(MILES)對(duì)示例包進(jìn)行學(xué)習(xí)，生成目標(biāo)概念模型。MILES算法將包的特征投影為包到示例的距離，通過特征選擇實(shí)現(xiàn)對(duì)示例的選擇，同時(shí)提高了包的特征的判別性，獲取更理想的學(xué)習(xí)結(jié)果。