越界車輛快速識(shí)別方法研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展,各國汽車數(shù)量急劇增加,這引起了各國對智能交通系統(tǒng)的重視。智能交通系統(tǒng)可以緩解道路交通壓力,為交通的智能化分析和科學(xué)化管理提供有效的數(shù)據(jù)來源。違規(guī)越界是交通中最常見的違章行為。本文針對越界車輛的檢測和識(shí)別進(jìn)行深入的分析和研究。
　　首先在介紹常見圖像預(yù)處理算法的基礎(chǔ)上,分析對比了目前檢測車輛越界的方法,發(fā)現(xiàn)這些方法需要對感興趣區(qū)域內(nèi)的大量像素點(diǎn)進(jìn)行遍歷,或者需要對視頻中的每個(gè)運(yùn)動(dòng)車輛進(jìn)行跟蹤,過程復(fù)雜,運(yùn)算量大,而且

2、算法的穩(wěn)定性較差。本文提出了基于區(qū)域生長的關(guān)鍵點(diǎn)提取,只對關(guān)鍵點(diǎn)小范圍鄰域內(nèi)的像素進(jìn)行檢測,需要遍歷的像素少,處理過程簡單,提高了檢測速度,并且適合對各種顏色車輛的檢測;利用HSI表色模型下關(guān)鍵點(diǎn)的像素特征動(dòng)態(tài)確定圖像二值化閾值,可以保證檢測方法的穩(wěn)定性,有效克服了光線變化帶來的影響。
　　然后介紹了車牌識(shí)別的具體步驟,分為車牌定位、字符分割、字符識(shí)別三個(gè)部分,深入分析了BP神經(jīng)網(wǎng)絡(luò)的工作原理。為克服BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷入