車輛多特征識別方法研究與實現(xiàn).pdf

1、隨著我國城鎮(zhèn)化建設的深入開展，城市的道路交通也面臨著巨大的壓力和挑戰(zhàn)，“道路擁堵嚴重”、“交通事故頻發(fā)”等問題層出不窮，對社會經(jīng)濟發(fā)展造成了一定的制約，也給城市治安管理帶來了許多的麻煩。為了緩解交管部門的壓力，給市民提供更方便的出行條件，智能交通系統(tǒng)應運而生。本文研究的車輛多特征識別是智能交通系統(tǒng)的重要組成部分，識別內(nèi)容主要包括車輛號牌、型號以及顏色。本文圍繞車輛多特征識別方法研究與實現(xiàn)，展開了以下工作：
　?。?）研究了一種基于

2、聚合通道特征的車輛檢測方法，該特征包含3個 LUV通道、1個歸一化梯度幅值通道以及6個方向梯度直方圖通道，不僅包含了目標整體輪廓特征，還包含了目標局部梯度特征。算法針對本文收集的高速公路監(jiān)控數(shù)據(jù)、行車記錄儀數(shù)據(jù)等單視角圖像具有良好的檢測效果。針對低對比度車輛圖像，研究了一種車輛圖像增強算法，能夠有效地緩解環(huán)境和光照帶來的影響，間接地提高了后續(xù)車輛號牌、型號以及顏色識別的準確率。
　　（2）研究了一種基于顏色和字符特征的車輛號牌定位

3、方法，充分結(jié)合了顏色檢測的快速性和字符檢測的準確性，在自建的復雜場景數(shù)據(jù)庫中測試，召回率為93.12％，準確率為94.49%。偽號牌剔除采用了LBP特征結(jié)合SVM分類器的辦法進行。針對易混字符識別，采用了多級SVM策略減小誤識率，單字符識別率達到了96.15%。經(jīng)過實驗得出，本文號牌識別算法框架適用于多種復雜場景，具有良好的魯棒性。
　?。?）針對傳統(tǒng)機器學習算法無法對車輛型號進行細致分類的問題，探討了一種基于深度學習的車輛型號識