GMM與EM應用於路測雷達偵測器三車種學習演算法的研發
摘要
本篇文章主要提出路側雷達偵測器(Road-side radar detector)應用於多車道的環境下所需要的車種分類器 (vehicle type classifier)。本研究以電壓訊號作為輸入變數,並進一步透過傅利葉轉換成頻譜訊號。利用車輛通過偵測區域時,所得到的特徵值,進行學習模型的樣本。
車種分類器的學習架構包含的模型與演算法,使路側雷達偵測器能依據現實的道路環境,偵測通過的車輛來獲得學習樣本,並即時得到通過的車輛是位於哪一個車道的車種資訊。其中,車種主要區成摩托車,小型車,大型車三類。分類所使用的統計模型為二維的高斯混合型,並利用期望最大化演算法(EM algorithm)求解模型參數。
車種分類器的學習架構包含的模型與演算法,使路側雷達偵測器能依據現實的道路環境,偵測通過的車輛來獲得學習樣本,並即時得到通過的車輛是位於哪一個車道的車種資訊。其中,車種主要區成摩托車,小型車,大型車三類。分類所使用的統計模型為二維的高斯混合型,並利用期望最大化演算法(EM algorithm)求解模型參數。