基于神经网络和D-S证据理论的交通目标识别.pdfVIP

第27卷 第9期 计 算 机 仿 真 2010年9月 文章编号：1006—9348(2010)09-0295—04 基于神经网络和 D—S证据理论的交通 目标识别 刘晓敏 ，杨昕欣 (北京航空航天大学电子信息工程学院，北京 100191) 摘要：研究智能交通监控系统中行人和轿车的识别。传统的单一分类器方法难以达到较高的识别率，为提高准确性和识别 率 ，根据神经网络和D—s证据理论，采用信息融合方法对视频序列中的行人和轿车进行识别。证据理论是信息融合的一种 重要依据。但是它的基本可信度分配一般不易确定。采用支持向量机 (SVM)和反向传播 (BP)网络进行基本可信度分配， 形成 2个证据体，用D—s证据理论对证据体进行融合之后，根据判决准则识别结果。通过仿真实验，结果表明，方法的识别 率高于采用 SVM或仅采用BP网络时的识别率，可以实现行人和轿车的准确识别。 关键词：证据理论；反向传播网络；支持向量机；基本可信度分配 中图分类号：TP391 文献标识码 ：A TrafficTargetRecognition inTrafficSurveillanceSystem BasedonNeuralNetworkandD ——SEvidenceTheory LIU xiao—rain．YANG Xin—xin (DepartmentofElectronicInformationEngineering，BeijingUniversityofAeronautics andAstronautics，Beijing100191，China) ABSTRACT：Studytherecognitionofpedestriansandcarsinintelligenttrafficsurveillancesystem．Itisdifficultto achievehig【hrecongitionratewithsingleclassifier，therefore，informationfusionmethodisintroducedbycombining NeuralNetworkwithD—Sevidencetheory，todetectpedestriansandearsinvideosequences．D—Sevidencetheory isanimportantmethodofmulti—sensorinfomr ationfusion，buttofullyexploititsadvantageusuallyisnoteasy，be- caHseitsBasicProbabilityAssignment(BPA)isdifficulttoobtain．ThispaperusedSupportVectorMachine(SVM) andBackPropagation(BP)NeuralNetworkrespectivelytogeneratetheBPAsoftwoevidences．Theseevidencesare thenfusedfollowingD——Sevidencetheorytomakethefinalobjectrecongitionundercertaindecisionmakingeriteri— on．Th eexperimentresultsshow thatrecognitionrateofthemethodishigherthantheindividualrecongitionrateof SVM orBPnetwork，themethodcanaccuratelydetectpedestriansandcars． KEYWORDS：Evidencetheory；Back—propagationnewtork(BP)；Supportvectormachin