基于B樣條曲線擬合車輛輪廓的車型識別.pdf

1、隨著中國經(jīng)濟的發(fā)展，中國的汽車數(shù)量日益增多，城市變得更加擁擠，合理的車輛限行變得更加重要.在車流高峰時，特定的路段需要對某些車型的汽車限行.本文正是想利用基于視頻的車型識別算法來幫助提高車輛限行管理的效率.本文所要區(qū)分的三類車型為小轎車、小面包車以及SUV.本文的研究工作主要有以下三個方面:
　　第一，是對車輛大小特征的提取.首先，我們優(yōu)化了背景建模過程中的學(xué)習(xí)率，解決了從視頻中提取車輛時產(chǎn)生的空洞問題.其次，針對車輛二值前景圖像

2、，我們提出了沿直線方向投影的非最大值抑制法提取車輛的寬與高.最后，我們以提取的車牌寬為標準，把不同車輛的寬與高統(tǒng)一到同一個標準下，消除了視頻拍攝距離對車輛大小提取的影響.
　　第二，經(jīng)過對車型特征的系統(tǒng)研究，我們發(fā)現(xiàn)目前算法所使用的特征大都是十幾個，而事實上由于車身上的噴涂、裝飾以及光照等原因，只有車外型、車燈與車牌是車輛圖像上的確定有效信息.因此我們以車輛大小為基礎(chǔ)，結(jié)合車燈與車牌在車內(nèi)的位置關(guān)系設(shè)計了8個特征，再應(yīng)用特征選擇算

3、法進行降維和優(yōu)選，最后我們僅用5個特征分類正確率就達到了98.67％.
　　第三，為了避免車燈提取時帶來的誤差，我們又選取了基于車輛大小與B樣條擬合車輛輪廓的車型特征.一般情況下，我們很難直接從視頻中提取完整的車輛輪廓.我們用在車輛輪廓上提取到的離散點通過B樣條重構(gòu)車輛輪廓.運用均值聚類對輪廓線上每點的曲率與斜率進行聚類，找到代表車輛輪廓的特征點來替換掉8個特征中與車燈有關(guān)的特征.新特征在保持分類正確率的同時比車燈提取更容易且更準