基于支持向量機(jī)的車標(biāo)圖像識(shí)別技術(shù)研究.pdf

1、隨著現(xiàn)代交通的快速發(fā)展,越來(lái)越多的新技術(shù)被運(yùn)用到交通領(lǐng)域,智能交通系統(tǒng)在為公眾提供便捷服務(wù)的同時(shí),也有效的提高了交管部門的管理效率。車牌作為車輛顯著的身份標(biāo)識(shí),鎖定其信息對(duì)于打擊犯罪、肇事車輛的追查以及交通流量的統(tǒng)計(jì)等方面都有著極大的作用。然而一些車輛存在的車牌缺失、更換、遮蓋、套牌等違法行為使識(shí)別難度加大,而車標(biāo)作為車輛識(shí)別系統(tǒng)的一部分,能夠更加準(zhǔn)確地定義車輛的唯一身份,為套牌車查處、違章逃逸,以及車輛跟蹤等提供可靠證據(jù),故論文展開(kāi)車

2、標(biāo)識(shí)別研究,其主要研究?jī)?nèi)容如下:
　　(1)首先在車牌顏色和形狀特征的基礎(chǔ)上,借助項(xiàng)帽運(yùn)算、邊緣提取以及數(shù)學(xué)形態(tài)學(xué)運(yùn)算等一系列操作,實(shí)現(xiàn)車牌區(qū)域的定位。然后根據(jù)先驗(yàn)知識(shí)進(jìn)行車標(biāo)的粗定位,粗定位的車標(biāo)經(jīng)過(guò)背景紋理去除得到精定位圖像。
　　(2)分析車標(biāo)圖像特征,采用7個(gè)HU不變距方法對(duì)精定位車標(biāo)進(jìn)行特征提取,針對(duì)低照度條件的影響,研究了3個(gè)新增HU不變距特征表示方法,最大程度的表達(dá)車標(biāo)信息。同時(shí)多渠道擴(kuò)充圖像來(lái)源,基于HU不變

3、距原理建立車標(biāo)圖像特征數(shù)據(jù)庫(kù)。
　　(3)提出了基于支持向量機(jī)(SVM)的分類算法來(lái)識(shí)別車標(biāo),同時(shí)為了提升該算法的識(shí)別精度,利用灰色狼群算法優(yōu)化了SVM的核函數(shù)因子C和懲罰因子g。然后采取9種車標(biāo)作為待識(shí)別車標(biāo),將80％的樣本進(jìn)行訓(xùn)練,對(duì)20％的樣本進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明:改進(jìn)的HU不變距特征能夠明顯提高車標(biāo)識(shí)別精度,灰狼優(yōu)化算法相比未優(yōu)化時(shí)精度更優(yōu),車標(biāo)識(shí)別率明顯提高,有效地解決了包含低照度條件下的車標(biāo)識(shí)別難題。
　　(4