基于PCA和SVM的車標(biāo)識(shí)別方法研究.pdf

1、隨著經(jīng)濟(jì)的飛速發(fā)展和工業(yè)技術(shù)的進(jìn)步，人們生活水平逐步提高，機(jī)動(dòng)車數(shù)量逐年增多，致使現(xiàn)在交通壓力巨大，公路交通存在的問題目益顯現(xiàn)。智能交通的應(yīng)用能夠有效解決這些問題。車標(biāo)識(shí)別系統(tǒng)作為智能交通系統(tǒng)的一個(gè)不可或缺的環(huán)節(jié)，在不停車收費(fèi)系統(tǒng)、路口違章自動(dòng)記錄、無人停車場(chǎng)、刑事偵查等多個(gè)方面有著廣泛的應(yīng)用。
　　 車標(biāo)識(shí)別技術(shù)作為車標(biāo)識(shí)別系統(tǒng)的核心技術(shù)，目前已經(jīng)被國內(nèi)外科研工作者列為重點(diǎn)研究課題。車標(biāo)識(shí)別技術(shù)是指將攝像頭采集到的數(shù)字圖像或視

2、頻信號(hào)流作為研究對(duì)象，借助圖像處理與自動(dòng)識(shí)別技術(shù)對(duì)其進(jìn)行處理，獲得機(jī)動(dòng)車輛的品牌信息。該項(xiàng)技術(shù)主要包括車標(biāo)定位和車標(biāo)識(shí)別兩個(gè)關(guān)鍵環(huán)節(jié)。
　　 本文在查閱了大量的國內(nèi)外有關(guān)車標(biāo)識(shí)別方法的基礎(chǔ)上，對(duì)算法進(jìn)行了研究。針對(duì)現(xiàn)有車標(biāo)識(shí)別方法對(duì)采集環(huán)境及個(gè)人經(jīng)驗(yàn)較依賴的問題，本文選擇用支持向量機(jī)(SVM)分類器代替現(xiàn)在較為常用的神經(jīng)網(wǎng)絡(luò)分類器，避免了訓(xùn)練過程中可能出現(xiàn)的“過學(xué)習(xí)”現(xiàn)象，提高泛化能力。實(shí)驗(yàn)結(jié)果表明，經(jīng)過主成分分析(PCA)算法

3、降維后的車標(biāo)數(shù)據(jù)在SVM中能取得很好的分類效果。
　　 為了進(jìn)一步提高算法的識(shí)別速率，本文引入了最小二乘法，提出一種新的車標(biāo)識(shí)別方法。該方法首先利用平滑濾波等技術(shù)去除噪聲干擾，然后應(yīng)用PCA技術(shù)進(jìn)行數(shù)據(jù)降維，提取能重構(gòu)車標(biāo)圖像的特征向量，最后應(yīng)用最小二乘支持向量機(jī)(LS-SVM)對(duì)車標(biāo)進(jìn)行識(shí)別。通過對(duì)不同時(shí)間和光照下的車標(biāo)樣本進(jìn)行實(shí)驗(yàn)，證明此方法亦能獲得較滿意的識(shí)別率，而且具有較快的運(yùn)算速率，較強(qiáng)的魯棒性。與SVM分類器相比更適