智能交通系統(tǒng)中的車輛檢測(cè)和車型識(shí)別技術(shù)研究.pdf

1、智能交通系統(tǒng)(ITS)是發(fā)展現(xiàn)代化交通的必由之路，基于機(jī)器視覺的車輛檢測(cè)和車型分類技術(shù)是推進(jìn)智能交通系統(tǒng)發(fā)展的一個(gè)重要的研究方向，在道路交通監(jiān)控系統(tǒng)和高速公路收費(fèi)系統(tǒng)等方面都有著廣泛的應(yīng)用前景。本文以此為出發(fā)點(diǎn)，對(duì)智能交通系統(tǒng)中的車輛檢測(cè)和車型分類技術(shù)進(jìn)行了深入地研究和分析，并提出了一種精確穩(wěn)定的車輛檢測(cè)和車型分類算法，主要內(nèi)容如下： 關(guān)于運(yùn)動(dòng)車輛的檢測(cè)問題，本文在分析總結(jié)國(guó)內(nèi)外現(xiàn)有的眾多車輛檢測(cè)算法的基礎(chǔ)上，提出了一種基于中值

2、像素灰度歸類的背景重構(gòu)方法，通過該方法重構(gòu)的背景可以以較高的精度滿足背景差分下的車輛檢測(cè)問題；同時(shí)，考慮到相鄰像素間的相關(guān)性，在背景更新時(shí)使用像素變化統(tǒng)計(jì)表，將背景區(qū)域進(jìn)行分塊處理，每塊采用不同更新速率，從而使模型能更快的適應(yīng)環(huán)境的變化。對(duì)于運(yùn)動(dòng)車輛陰影的干擾問題，本文將差分圖像轉(zhuǎn)換到SRG顏色空間進(jìn)行陰影分割，實(shí)驗(yàn)表明在自然環(huán)境中可以得到很好的分割效果。 在車型分類方面，首先對(duì)差分圖像作形態(tài)學(xué)濾波和區(qū)域連通處理，得到運(yùn)動(dòng)車輛的

3、位置和輪廓，根據(jù)分類標(biāo)準(zhǔn)提取出車型分類所需的特征向量，然后分別用兩種方法設(shè)計(jì)出車型分類器，一種是基于模糊K-均值聚類的RBF網(wǎng)絡(luò)車型分類器，另一種是基于免疫算法的RBF網(wǎng)絡(luò)車型分類器，通過在相同環(huán)境下的實(shí)驗(yàn)對(duì)比分析，基于免疫算法的RBF網(wǎng)絡(luò)車型分類器在分類準(zhǔn)確性和速度方面都優(yōu)于基于模糊K-均值聚類的RBF網(wǎng)絡(luò)車型分類器。本文首次將人工免疫算法與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合并用于車型分類，相比傳統(tǒng)車型分類算法取得了較好的分類效果，值得在這一算法上