基于支持向量機的車標圖像識別技術研究.pdf

1、隨著現(xiàn)代交通的快速發(fā)展,越來越多的新技術被運用到交通領域,智能交通系統(tǒng)在為公眾提供便捷服務的同時,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識,鎖定其信息對于打擊犯罪、肇事車輛的追查以及交通流量的統(tǒng)計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別難度加大,而車標作為車輛識別系統(tǒng)的一部分,能夠更加準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),故論文展開車

2、標識別研究,其主要研究內(nèi)容如下:
　　(1)首先在車牌顏色和形狀特征的基礎上,借助項帽運算、邊緣提取以及數(shù)學形態(tài)學運算等一系列操作,實現(xiàn)車牌區(qū)域的定位。然后根據(jù)先驗知識進行車標的粗定位,粗定位的車標經(jīng)過背景紋理去除得到精定位圖像。
　　(2)分析車標圖像特征,采用7個HU不變距方法對精定位車標進行特征提取,針對低照度條件的影響,研究了3個新增HU不變距特征表示方法,最大程度的表達車標信息。同時多渠道擴充圖像來源,基于HU不變

3、距原理建立車標圖像特征數(shù)據(jù)庫。
　　(3)提出了基于支持向量機(SVM)的分類算法來識別車標,同時為了提升該算法的識別精度,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種車標作為待識別車標,將80％的樣本進行訓練,對20％的樣本進行測試。實驗結果表明:改進的HU不變距特征能夠明顯提高車標識別精度,灰狼優(yōu)化算法相比未優(yōu)化時精度更優(yōu),車標識別率明顯提高,有效地解決了包含低照度條件下的車標識別難題。
　　(4