基于隨機蕨的實時車輛匹配.pdf

1、車輛匹配是智能交通系統(tǒng)的重要組成部分,其在停車場智能管理、道路監(jiān)控、高速路自動收費、超時停車檢測、以及高速公路服務(wù)區(qū)、停車場等場所的出入口車輛比對等處都有著廣泛的應用前景。車輛匹配基于圖像匹配技術(shù),現(xiàn)在的圖像匹配算法的研究相對比較成熟,但是準確、快速乃至實時并且能夠適應車輛特征和交通環(huán)境的車輛匹配問題仍未得到很好的解決。
　　 本文旨在研究一種實時的車輛匹配算法,在應對交通環(huán)境中車輛尺度變化、角度變化、亮度變化、遮擋、鏡頭畸變等

2、挑戰(zhàn)的同時能夠?qū)崟r的進行車輛匹配。本文基于隨機蕨算法,在快速定位“車臉”的前提下對車輛進行實時匹配。本文的主要研究內(nèi)容如下:
　　 1.研究圖像匹配的經(jīng)典算法。分析和總結(jié)了圖像匹配的關(guān)鍵要素,匹配流程及匹配分類。重點研究了基于特征匹配的特征點提取算法和特征點匹配策略以及它們的優(yōu)缺點,并分析它們在實時車輛匹配中的可行性。
　　 2.快速“車臉”區(qū)域定位。為了減少復雜交通背景對車輛匹配的影響,本文結(jié)合車輛區(qū)域定位與車牌快速定

3、位,對包含車輛大部分顯著特征的“車臉”區(qū)域進行定位,加快了匹配速度,提升了匹配性能。
　　 3.用隨機蕨算法進行實時車輛匹配。該算法將匹配問題轉(zhuǎn)化為分類問題,將運算量大的部分轉(zhuǎn)移到分類器訓練過程中。本文研究分析了FAST角點檢測算法與Lepetit提出的快速特征點檢測算法,結(jié)合車輛圖片的特征,提出了一種快速多尺度特征點檢測算法。離線訓練階段,產(chǎn)生大量的虛擬圖對分類器進行訓練,在線運行階段檢測特征點并將這些特征點所在的區(qū)域塊放到分