Klasifikace vozidel na základě odezvy indukčních senzorů

Abstract

Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.This project is dedicated to the problem of vehicle classification using inductive loop sensors. We created the dataset that contains more than 11000 labeled inductive loop signatures collected at different times and from different parts of the world. Multiple classification methods and their optimizations were employed to the vehicle classification. Final model that combines K-nearest neighbors and logistic regression achieves 94\% accuracy on classification scheme with 9 classes. The vehicle classifier was implemented in C++.