交通对象信息的准确采集是交通效率与交通安全的基本条件之一。利用智能移动终端的传感器进行道路行人状态和车辆信息采集,实现对交通参与者的识别和统计,可以大大降低交通对象的信息采集成本。利用智能移动终端采集道路行人与驾乘人员的传感器数据,对数据进行预处理、特征提取、分类器训练,建立状态识别模型,快捷地识别出人的不同行为状态。然后在驾乘人员行为状态识别与统计的基础上建立车辆识别模型,快速地识别出交通场景中的驾乘车辆类别。识别结果为交通效率和交通安全相关应用提供支撑。论文主要工作如下:首先,论文分析了基于智能移动终端的交通对象识别可行性,并设计了基于智能移动终端的交通对象识别架构。通过智能移动终端采集传感器数据,使用滤波和简单平均方法分别对数据进行重力去除和去噪处理。然后对数据进行时域特征和频域特征提取,频域特征提取主要使用离散小波变换以及快速傅里叶变换,设计基于分类权重的特征选择方法对特征进行筛选,分类器对筛选后的特征进行训练,建立基于智能移动终端传感器数据的道路行人与驾乘人员状态识别模型,快捷地识别出人的不同行为状态,包括驾乘车辆、道路行人站立、慢跑等状态。然后,当识别结果为驾乘车辆时,对不同类别车辆的运动特征进行聚类分析,建立车辆识别模型,快速地识别出交通场景中的驾乘车辆类别,包括小轿车、自行车、公交车等。最后,基于以上道路行人状态以及驾乘车辆识别技术的研究,设计与实现基于智能移动终端的交通对象识别系统。使用该系统对真实交通场景中的交通对象进行识别,验证分类算法在不同场景下的识别准确率。通过实验表明,本文设计的方法对道路行人状态以及驾乘车辆类别的平均识别率达到90.1%,功能和性能均符合目标要求。