Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Image Re-Emotionalizing Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

Vehicle Type Classification Using Data Mining Techniques

verfasst von : Yu Peng, Jesse S. Jin, Suhuai Luo, Min Xu, Sherlock Au, Zhigang Zhang, Yue Cui

Erschienen in: The Era of Interactive Media

Verlag: Springer New York

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we proposed a novel and accurate visual-based vehicle type classification system. The system builts up a classifier through applying Support Vector Machine with various features of vehicle image. We made three contributions here: first, we originally incorporated color of license plate in the classification system. Moreover, the vehicle front was measured accurately based on license plate localization and background-subtraction technique. Finally, type probabilities for every vehicle image were derived from eigenvectors rather than deciding vehicle type directly. Instead of calculating eigenvectors from the whole body images of vehicle in existing methods, our eigenvectors are calculated from vehicle front images. These improvements make our system more applicable and accurate. The experiments demonstrated our system performed well with very promising classification rate under different weather or lighting conditions.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Learning-to-Share Based on Finding Groups for Large Scale Image Classification
Nächstes Kapitel Stereo Perception’s Salience Assessment of Stereoscopic Images
Literatur
1.
Petrovic, V.S., Cootes, T.F.: Analysis of Features for Rigid Structure Vehicle Type Recognition in Proc. Brit. Mach. Vis. Conf., vol. 2,pp. 587–596.(2004)
2.
Yang, W.: Joint Random Field Model for All-Weather Moving Vehicle Detection. Image Processing, IEEE Transactions on 19(9): 2491–2501(2010)
3.
Leitloff, J., S. Hinz, et al.: Vehicle Detection in Very High Resolution Satellite Images of City Areas. Geoscience and Remote Sensing, IEEE Transactions on 48(7): 2795–2806(2010)
4.
Chen, L.Y., Wu, B.F., Huang, H.Y., Fan, C.J.: A Real-Time Vision System for Nighttime Vehicle Detection and Traffic Surveillance, Industrial Electronics, IEEE Transactions on, vol.58, no.5, pp.2030–2044(2011)
5.
Ki, Y.K., Baik, D.K.:Vehicle-Classification Algorithm for Single-Loop Detectors Using Neural Networks, Vehicular Technology, IEEE Transactions on, vol.55, no.6, pp.1704–1711(2006)
6.
Urazghildiiev, I., Ragnarsson, R., Ridderstrom, P., Rydberg, A., Ojefors, E., Wallin, K., Enochsson, P., Ericson, M., Lofqvist, G.: Vehicle Classification Based on the Radar Measurement of Height Profiles. Intelligent Transportation Systems, IEEE Transactions on, vol.8, no.2, pp.245–253(2007)
7.
Negri, P., Clady, X., Milgram, M., Poulenard, R.: An Oriented-Contour Point Based Voting Algorithm for Vehicle Type Classification, Pattern Recognition, ICPR 2006. 18th International Conference on, vol.1, no., pp.574–577, 0–0 0(2006)
8.
Zhang, C.C., Chen, X.; Chen, W.B: A PCA-Based Vehicle Classification Framework, Data Engineering Workshops, 2006. Proceedings. 22nd International Conference on, vol., no., pp.17(2006)
9.
Ji, P.J., Jin, L.W., Li, X.T.: Vision-based Vehicle Type Classification Using Partial Gabor Filter Bank. Automation and Logistics, 2007 I.E. International Conference on, vol., no., pp.1037–1040, 18–21(2007)
10.
Lai, A.H.S., Fung, G.S.K., Yung, N.H.C.: Vehicle type classification from visual-based dimension estimation. Intelligent Transportation Systems, 2001. Proceedings. 2001 IEEE, vol., no., pp.201–206(2001)
11.
Gupte, S., Masoud, O., Martin, R.F.K., Papanikolopoulos, N.P.:Detection and classification of vehicles. Intelligent Transportation Systems, IEEE Transactions on, vol.3, no.1, pp.37–47(2002)
12.
Hsieh. J.W, Yu, S.H., Chen, Y.S., Hu, W.F.: Automatic traffic surveillance system for vehicle tracking and classification. Intelligent Transportation Systems, IEEE Transactions on, vol.7, no.2, pp. 175- 187(2006)
13.
Peng, Y., Jin, J.S., Xu, M., Luo, S., Zhao, G.: Cascade-based License Plate Localization with Line Segment Features and Haar-Like Features. Accepted by the 6th International Conference on Image and Graphics, ICIG(2011)
14.
Zhang, J., Yan,Y., Lades, M.: Face recognition: Eigenface, elastic matching, and neural nets,” Proceedings of the IEEE, vol.85, no.9, pp.1423–1435(1997)
15.
Quinlan, J.R.: C4.5: Programs for Machine Learning. San Mateo, Calif.: Morgan Kaufmann(1993)
16.
Turk, M.A., Pentland, A.P.: Face recognition using eigenfaces, Computer Vision and Pattern Recognition, 1991. Proceedings CVPR ‘91., IEEE Computer Society Conference on, vol., no., pp.586–591, 3–6(1991)
17.
Chang, C.C., Lin, C.J.: LIBSVM: A library for support vector machines. ACM Trans. Intell. Syst. Technol. 2, 3, Article 27 (2011)
Metadaten
Titel
Vehicle Type Classification Using Data Mining Techniques
verfasst von
Yu Peng
Jesse S. Jin
Suhuai Luo
Min Xu
Sherlock Au
Zhigang Zhang
Yue Cui
Copyright-Jahr
2013
Verlag
Springer New York
Buch
The Era of Interactive Media

Print ISBN: 978-1-4614-3500-6

Electronic ISBN: 978-1-4614-3501-3

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-1-4614-3501-3_27

Neuer Inhalt

    Bildnachweise