基于圖像處理的車型識別系統(tǒng)設(shè)計與實現(xiàn).pdf

1、分類號一●■■■●■●■■■■●■●■■■■■■●●■■一UDC學(xué)校代碼!Q壘窆2學(xué)號量Q壘窆221魚2墨量2武強理歹大署學(xué)位論文英文ThedesignandimplementationofVehiclerecognition題目墨Y逝!塾墜墾墨曼魚Q墜i!墜壘g曼P!QQ曼墨墨i墜g研究生姓名吳小鵬姓名鄞金旭職稱教授學(xué)位砸士指導(dǎo)教師單位名稱武這理王太堂郵編單位名稱武這理王太堂郵編430070申請學(xué)位級別砸士學(xué)科專業(yè)名稱電路皇系統(tǒng)論文提

2、交日期2Q!蘭生三且論文答辯日期2Q!三笙壘且一學(xué)位授予單位武這理王太堂學(xué)位授予日期塑13望生|L答辯委員會主席j塾上婦閱人—害J—。—一—￡獸——一2013年3月武漢理工大學(xué)碩士學(xué)位論文摘要車型識別技術(shù)是現(xiàn)代化智能交通系統(tǒng)研究的重要組成部分，因為其智能性和高效性在車流量檢測系統(tǒng)、高速公路收費系統(tǒng)、交通檢測系統(tǒng)和停車場收費系統(tǒng)等領(lǐng)域具備廣闊的應(yīng)用前景，但由于其實現(xiàn)技術(shù)復(fù)雜，應(yīng)用場景復(fù)雜等原因，車型識別技術(shù)的研究進展緩慢。本文將從圖像分割

3、、車輛檢測與特征提取、車型分類等方面展開研究，實現(xiàn)車型識別技術(shù)。針對車型識別對目標(biāo)車輛分割的要求，對各種目標(biāo)檢測算法展開分析后確定以背景差分法作為檢測算法，對傳統(tǒng)固定背景的背景差分法進行改進，引入混合高斯背景建模的方法，建立穩(wěn)定背景并按圖像處理實時性要求更新背景。對背景差分后的前景圖像進行自適應(yīng)閥值分割，其中閥值按OSTU閥值分割中的方法計算。對分割后的車輛圖像進行濾波、填充等處理，提取車輛完整外輪廓圖像，訓(xùn)練基于Adaboost算法的

4、車輛分類器對車輛進行跟蹤，避免車輛重復(fù)識別。對車輛輪廓進行邊緣檢測，對檢測到的邊緣圖像進行輪廓跟蹤，將跟蹤提取的輪廓信息存入到記錄輪廓的雙端隊列中，由記錄輪廓的雙端隊列組成輪廓樹。對輪廓進行特征提取和記錄，對大量交通視頻中的車輛進行特征提取后組成車輛的特征樣本，對樣本中的特征進行選擇提取出分類器的訓(xùn)練樣本和測試樣本。分析Libsvm中提供的源代碼，設(shè)計本文中的SVM分類器，用訓(xùn)練樣本和測試樣本對分類器進行訓(xùn)練和測試，對基于LINEAR、

5、POLY、RBF、SIGMOID核函數(shù)的分類器測試結(jié)果進行比對分析并修改分類器中默認參數(shù)反復(fù)測試優(yōu)化，獲得最優(yōu)分類器模型。將訓(xùn)練后的分類器應(yīng)用到實際車型分類中。為了將車型識別方案應(yīng)用到實際環(huán)境中去，將在謝n7系統(tǒng)下對設(shè)計方案進行實現(xiàn)，開發(fā)出車型識別系統(tǒng)并對不同場景下車輛類型進行識別，都能取得不錯的識別效果，在實際場景下識別率可以達到80％。為進一步研究將車型識別技術(shù)融合到交通車流量檢測系統(tǒng)中，對通行車輛進行統(tǒng)計和識別提供技術(shù)支持。關(guān)鍵字