Public And Private Service Vehicle Classification In Bogotá using SVM and AdaBoost
Palabras clave:
AdaBosst, árboles binarios, OpenCV, reconocimiento de patrones, SVM, Ingeniería de tráfico, clasificación de vehículosResumen
Este artículo presenta el diseño e implementación y comparación de algoritmos para la clasificación de vehículos privados y públicos en Bogotá. El desempeño de estos algoritmos de clasificación es notable, y vale la pena anotar el impacto potencial que tendrían en la reducción de problemas de tráfico. Los datos experimentales fueron imágenes segmentadas de vídeos tomados sobre el tráfico en la ciudad de Bogotá. Por otro lado, los algoritmos que se utilizaron son máquinas de aprendizaje como Support Vector Machines “SVM” y Adaboost. Vale la pena notar, que se hizo uso de las librerías OpenCV implementadas en C.
Descargas
Citas
G. Bradski and A. Kaehler, Learning OpenCV: Computer Vision with the OpenCV Library. O’Reilly Media, Inc., 2008.
C. J. Burges, “A tutorial on support vector machines for pattern recogni- tion,” ell Laboratories, Lucent Technologies, 1998.
Calderon.F and Urrego.G, Conteo Automático De Vehículos. PUJ, Nov. 2008.
C. Cordoba, “Sobre la reproducción de la placa nacional,” Transito Y Transporte resolucion 538, 2001.
R. Duda, P. Hart, and D. Stork, Pattern classification. Wiley New York, 2001.
C.-W. Hsu, C.-C. Chang, and C.-J. Lin, “A practical guide to support vector classification,” Department of Computer Science, Oct. 2008.
Yoav.F and Schapire. R.E, “A short introduction to boosting,” Japanese Society for Artificial Intelligence, Sep. 1999.
Descargas
Publicado
-
Resumen51
-
PDF94
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.