摘要：提出一种基于支持向量机理论的车型分类器的设计方案。通过对实际车辆的图像采集、处理和分析，获取所需样本数据。采用有导师训练方法训练三个支持向量机识别器，使用测试样本对训练出的识别器进行性能测试。最后将三个识别器与表决器结合得到车型分类器。
关键词：车型分类 支持向量机(Support Vector Machines) 智能交通
车型自动分类一直是智能交通领域中的一个热点问题。自动识别车辆类型对实现交通管理智能化具真有重林意义。目前已经广泛应用的分类方法是采用地感线圈根据不同类型车辆通过线圈产生的电磁感应曲线不同这一原理进行分类。这种方法分类速度较低，误差较大，因此难以满足不停车收费系统的要求。
随着计算机硬件性能的不断提高，基于图像处理的车辆分类方法逐渐得到重视，计算机对摄像机捕捉到的车辆图像进行处理得到车辆的外形信息，这些信息可以作为车型识别依据进行车辆分类。已经采用的数据分析方法有模式匹配和BP神经网络两种。前者是将得到的外形信息与系统中的车型模式库进行比对，输出匹配度最大的模式类型作为车辆类型[1]；后者是将车辆信息输入到已训练好的神经网络分类器进行分行[2]。基于模式匹配的分类方法实现原理简单，但是选择合适的模式比较困难；采用BP神经网络的分类方法中，由于BP神经网络本身存一种基于支持向量机的车型自动分类器设计方案一种基于支持向量机的车型自动分类器设计方案-单片机技术电子技术信息港
