基于車標識別的車型細分類技術研究.pdf

1、車型自動分類系統(tǒng)是ITS（Intellegent Transportation System）的重要組成部分，它在智能交通領域中有著廣泛的應用，相關技術的研究正受到普遍關注。當前國內(nèi)外學者側(cè)重于研究車輛外形、大小、顏色的識別，實現(xiàn)對車輛的粗分類，本文的目的是通過對汽車標志（簡稱車標）的定位和識別進行探索性研究，實現(xiàn)按車標類型（汽車品牌）對車輛的細分類。對于車標定位，本文不再采用傳統(tǒng)圖像處理分割方法，而是采用模式識別思想，使用Adaboo

2、st學習算法訓練些級聯(lián)分類器，在粗定位車標區(qū)域中檢測并識別出車標。然后，采用Adaboost.MH學習算法擴展多類車標問題為多個兩類問題，訓練分類器實現(xiàn)對車標的驗證識別。并通過實驗，驗證了本文所提出的理論方法的有效性。
　　 本文主要分4部分進行介紹、分析與研究：
　　 （1）小波矩
　　 為使小波矩更好的適用于本文的應用，這一部分對小波矩的理論進行詳細介紹和分析，并深入分析與研究圖像小波矩的構(gòu)造方法。
　

3、　 （2）Adaboost學習算法的研究
　　 Adaboost算法是一種分類器算法，其是利用大量的分類能力一般的簡單分類器（也稱弱分類器）通過一定方法疊加起來，構(gòu)成一個分類能力很強的強分類器。理論證明，只要每個簡單分類器分類能力比隨機猜測要好，當簡單分類器個數(shù)趨向于無窮時，強分類器的錯誤率將趨于零。這一部分深入分析與研究Adaboost學習算法的背景和理論。
　　 （3）車標定位方法的研究
　　 此部分是本文

4、最重要部分，傳統(tǒng)的方法都是采用圖像處理技術進行目標分割，本文采用模式分類思想實現(xiàn)車標定位。本文結(jié)合Adaboost算法的缺點和車標小波矩特征的分布特性，對Adaboost算法進行改進。然后利用改進Adaboost算法針對每一類車標訓練一級聯(lián)分類器進行多尺度車標定位，并結(jié)合根據(jù)車牌先驗知識的車標粗定位，實現(xiàn)對車標的實時、精確定位。
　　 （4）車標識別方法的研究
　　 在定位的同時已實現(xiàn)識別，此階段是實現(xiàn)對車標的驗證識別。