基于卡口圖像車型識(shí)別的研究.pdf

1、隨著交通問題的日益嚴(yán)峻，智能交通系統(tǒng)（Intelligent Transportation System，ITS）技術(shù)的研發(fā)顯得尤為迫切。車型識(shí)別系統(tǒng)作為ITS系統(tǒng)的一個(gè)重要組成部分，起著關(guān)鍵的作用。本文主要研究了智能交通系統(tǒng)中圖像車型識(shí)別的關(guān)鍵算法和技術(shù)，主要包括車輛檢測及定位、車輛特征提取、車輛分類三個(gè)重要組成部分。
　　(1)在車輛檢測及定位方面，本文提出了一種初步檢測和精確定位相結(jié)合的車輛檢測方法。首先提取圖像的HOG(H

2、istogram of Oriented Gradient)特征，結(jié)合SVM(SupportVector Machine)分類器進(jìn)行初步的車輛檢測，然后采用數(shù)學(xué)形態(tài)學(xué)及其開閉重建的方法消除部分噪聲干擾及無關(guān)的邊緣，提取車輛邊緣信息，并對(duì)邊緣圖進(jìn)行投影，提出將投影圖轉(zhuǎn)換成一幅二值圖像，再對(duì)二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，消除投影圖的部分噪聲和毛刺，最后查找車輛邊界。
　　(2)在車輛特征提取方面，本文分析和比較了車輛特征的提取方法，包括

3、不變矩特征量、紋理特征量、方向梯度直方圖特征量、SURF(speed up robust features)特征量以及積分通道特征(Integral Channel Features，ICF)，綜合考慮了特征的性能，本文采用了車輛的SURF特征與積分通道特征結(jié)合特征量作為車型識(shí)別分類器的輸入特征。
　　(3)在車輛分類方面，本文介紹SVM（Support Vector Machine）分類器的分類性能和特點(diǎn)以及SVM二分類器用于多

4、分類的方法，并通過支持向量機(jī)對(duì)車輛不同特征的車型進(jìn)行識(shí)別實(shí)驗(yàn)，驗(yàn)證了選擇SURF特征與積分通道特征結(jié)合特征量作為本車型識(shí)別的車輛特征的有效性。
　　本文的車型識(shí)別系統(tǒng)以微軟公司的Visual Studio2010軟件作為開發(fā)環(huán)境，采用C/C++編程，并借助了開源圖像類庫OpenCV進(jìn)行相關(guān)算法的實(shí)現(xiàn)，使用工業(yè)相機(jī)進(jìn)行圖像的采集。實(shí)驗(yàn)表明，本文的方法具有較好的識(shí)別效果，且魯棒性較好，對(duì)車型自動(dòng)識(shí)別的研究和發(fā)展具有一定應(yīng)用價(jià)值和意義。