基于PCA和SVM的車標識別方法研究.pdf

1、隨著經濟的飛速發(fā)展和工業(yè)技術的進步，人們生活水平逐步提高，機動車數(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)。智能交通的應用能夠有效解決這些問題。車標識別系統(tǒng)作為智能交通系統(tǒng)的一個不可或缺的環(huán)節(jié)，在不停車收費系統(tǒng)、路口違章自動記錄、無人停車場、刑事偵查等多個方面有著廣泛的應用。
　　 車標識別技術作為車標識別系統(tǒng)的核心技術，目前已經被國內外科研工作者列為重點研究課題。車標識別技術是指將攝像頭采集到的數(shù)字圖像或視

2、頻信號流作為研究對象，借助圖像處理與自動識別技術對其進行處理，獲得機動車輛的品牌信息。該項技術主要包括車標定位和車標識別兩個關鍵環(huán)節(jié)。
　　 本文在查閱了大量的國內外有關車標識別方法的基礎上，對算法進行了研究。針對現(xiàn)有車標識別方法對采集環(huán)境及個人經驗較依賴的問題，本文選擇用支持向量機(SVM)分類器代替現(xiàn)在較為常用的神經網絡分類器，避免了訓練過程中可能出現(xiàn)的“過學習”現(xiàn)象，提高泛化能力。實驗結果表明，經過主成分分析(PCA)算法

3、降維后的車標數(shù)據(jù)在SVM中能取得很好的分類效果。
　　 為了進一步提高算法的識別速率，本文引入了最小二乘法，提出一種新的車標識別方法。該方法首先利用平滑濾波等技術去除噪聲干擾，然后應用PCA技術進行數(shù)據(jù)降維，提取能重構車標圖像的特征向量，最后應用最小二乘支持向量機(LS-SVM)對車標進行識別。通過對不同時間和光照下的車標樣本進行實驗，證明此方法亦能獲得較滿意的識別率，而且具有較快的運算速率，較強的魯棒性。與SVM分類器相比更適