第4卷第3期 智能系统学报 Vol.4 No.3 2009年6月 CAAI Transactions on Intelligent Systems Jn.2009 doi:10.3969/j.issn.16734785.2009.03.014 基于GA-RBF神经网络及边界不变特征的车辆识别 张涛，费树岷，李晓东 (东南大学复杂工程系统测量与控制教育部重，点实验室，江苏南京210096) 摘要：修正的边界不变矩在目标旋转、缩放和平移过程中能保持不变性.将其作为车辆目标的识别特征，并且利用 遗传算法(GA)优化径向基函数(BF)神经网络参数，能很好地实现对车辆目标的识别.实验表明，该方法在复杂背 景下对目标的识别具有很强的鲁棒性，能快速准确地识别车辆类型；并且边界不变特征的引入，减少了数据运算量， 提高了识别效率. 关键词：车辆识别：遗传算法：径向基函数网络：边界矩不变量 中图分类号：TP391.41文献标识码：A文章编号：1673-4785(2009)03027805 Vehicle recognition using boundary invariants and a genetic algorithm trained radial basis function neural network ZHANG Tao,FEI Shu-min,LI Xiao-dong (Key Laboratory of Measurement and Control of Complex Systems of Engineering of Ministry of Education,Southeast University,Nan- jng210096,China） Abstract:A method for vehicle recognition using the modified boundary invariant moments and a genetic algorithm trained radial basis function (GA-RBF)neural network was developed.The modified boundary invariant moments have the accustomed invariance for rotation,scaling and translation of targets,which can be used as the invariant characteristic vectors.Using these features as the inputs of a neural network,the vehicle targets can then be recog- nized accurately.In order to improve recognition accuracy and speed,the genetic algorithm (GA)was used to op- timize the RBF parameters:centers,variance,and numbers of hidden nodes.Experimental results indicated that this method,which introduces invariants based on boundaries,yields robust target recognition with greatly reduced computation time and improved efficiency. Keywords:vehicle recognition;genetic algorithms;radial basis function neural network;boundary invariant mo- ments 车辆识别对于高速公路收费额的确定、大型停 辆的代数特征（如不变矩特征）进行识别，可以在一 车场管理及公路交通监视控制等都具有非常重要的 定程度上解决上述问题，增强识别的鲁棒性：但是提 意义，同时它也是智能交通系统的一个重要组成部 取代数特征时，往往需要增加较多的计算量和存储 分.目前对车辆的识别方法基本上可以分为3类： 负担，实时性较差.3)基于学习的方法5.这种方 1)基于边缘轮廓型1).这种方法主要依据车辆本 法的本质是利用神经网络对大量的车辆图像进行训 身具有的明显的边缘特征，对车辆的外围轮廓进行 练，然后通过分类器进行分类， 提取，从而进行不同车型的识别.该方法实现简单、 本文以修正的边界不变矩作为目标识别特征， 直观，但是当不同车型的轮廓区别不大，或遇到干扰 并采用遗传算法(GA)优化的径向基函数(RBF)神 边缘提取不准确，车辆角度有少许变化时，该方法的 经网络对车辆特征进行学习、分类.实验表明该方法 识别性能有所下降2)基于代数特征型34).提取车 能够克服一些环境的影响，取得较好的识别效果. 1基于边界的不变矩特征 收稿日期：200803-10. 基金项目：国家自然科学基金重点资助项目(60835001) 不变矩在目标形态和位置发生变化后仍然保持 通信作者：张涛.E-mail:tzhangcn@gmal.com