基于轮廓几何稀疏表示的车型识别研究

发布时间：2017-06-06 22:15

  本文关键词：基于轮廓几何稀疏表示的车型识别研究，由笔耕文化传播整理发布。

【摘要】：为了提高交通效率,改善交通状况,智能交通系统成为了未来交通的发展趋势。对道路上过往车辆准确的检测和正确的车型识别是智能交通系统的核心功能。基于视频的车型识别方法具有适用范围广、安装方便、信息量丰富等优点,具有广阔的应用前景,因此对其进行研究具有十分重要的理论和实际意义。本文主要研究视频中的车型识别,并选择车辆侧面轮廓作为车型识别的依据展开研究。车辆侧面轮廓提取的准确性直接影响后续车型的识别,为了获得比较准确的车辆侧面轮廓,本文在背景差分法的基础上设计了一种可以消除阴影干扰、对拍摄视角变化具有一定鲁棒性的车辆侧面轮廓提取算法。该算法首先对背景差分法得到的运动车辆前景二值图像进行图像形态学处理,以去除背景区域的噪点和填充前景区域的孔洞；然后使用椭圆检测算法检测车轮,并确定车轮的位置和椭圆的参数,以椭圆圆心为界去除车轮下方区域,从而消除了车轮下方阴影的影响；最后,通过椭圆的参数估计出拍摄视角和轴距,再根据车辆两侧轮廓的特点,利用几何变换得到车辆近似的侧面轮廓。该算法可以有效地去除车辆阴影的干扰,提取到较准确的车辆侧面轮廓。针对现有以车辆侧面轮廓特征作为车型特征的车型识别算法对轮廓提取的准确度要求高、识别率不高的问题,本文设计了一种基于轮廓几何稀疏表示的车型识别算法。根据车辆侧面轮廓的几何特点,车辆的侧面轮廓可以由一个梯形和一个矩形去逼近,且由梯形和矩形得到的逼近轮廓比原始轮廓具有更高的识别度。首先利用量子遗传算法将车辆侧面轮廓稀疏表示为一个梯形和一个矩形的组合,并提取梯形和矩形的几何参数特征,再根据预定的车型识别规则对车辆类型进行识别。实验结果表明,该算法对于各种车型都具有较高的识别率,且对车辆侧面轮廓的准确度具有很好的鲁棒性,具有很好的可行性和有效性。最后,设计了本文车型识别算法的仿真系统,并对系统的各个功能模块进行了介绍。
【关键词】：车型识别 轮廓提取 稀疏表示 量子遗传算法 椭圆检测
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 车型识别方法的分类12-13
• 1.3 基于视频的车型识别研究现状13-15
• 1.4 论文的主要研究内容和组织结构15-17
• 第2章 基于侧面轮廓特征的车型识别综述与分析17-28
• 2.1 视频图像预处理17-18
• 2.2 车辆侧面轮廓提取18-21
• 2.2.1 光流法18-19
• 2.2.2 帧间差分法19-20
• 2.2.3 背景差分法20-21
• 2.3 车型识别21-27
• 2.3.1 基于轮廓几何参数特征的车型识别方法22-24
• 2.3.2 基于轮廓Hu不变矩特征的车型识别方法24-27
• 2.4 本章小结27-28
• 第3章 基于椭圆检测的车辆侧面轮廓提取算法28-40
• 3.1 噪点去除与孔洞填充28-31
• 3.2 车辆阴影去除31-33
• 3.3 车辆侧面轮廓修正33-37
• 3.3.1 拍摄视角对车辆侧面轮廓提取的影响33-34
• 3.3.2 算法描述34-35
• 3.3.3 实验仿真35-37
• 3.4 实验结果与分析37-38
• 3.5 本章小结38-40
• 第4章 基于轮廓几何稀疏表示的车型识别算法40-60
• 4.1 侧面轮廓几何稀疏表示框架设计40-41
• 4.2 基于QGA的侧面轮廓几何稀疏表示41-47
• 4.2.1 量子遗传算法简介41-43
• 4.2.2 算法描述与分析43-47
• 4.3 车型的判定47-50
• 4.4 实验结果与分析50-58
• 4.4.1 数据集51
• 4.4.2 评价指标51
• 4.4.3 准确性分析51-55
• 4.4.4 鲁棒性分析55-58
• 4.4.5 时间复杂度分析58
• 4.5 本章小结58-60
• 第5章 车型识别算法仿真系统60-65
• 5.1 车型识别算法仿真系统介绍60
• 5.2 车型识别仿真系统的使用说明60-64
• 5.2.1 车辆侧面轮廓提取可视化实现61-62
• 5.2.2 车辆侧面轮廓识别可视化实现62-63
• 5.2.3 车型识别可视化实现63-64
• 5.3 本章小结64-65
• 结论和展望65-67
• 参考文献67-71
• 致谢71-72
• 攻读硕士期间发表的论文及参与的科研项目72

【相似文献】

中国期刊全文数据库 前10条

1 张宁;施毅;何铁军;;基于虚拟线圈的车型识别研究[J];交通与计算机;2008年01期

2 华莉琴;许维;王拓;马瑞芳;胥博;;采用改进的尺度不变特征转换及多视角模型对车型识别[J];西安交通大学学报;2013年04期

3 刘玉铭,白明;一种基于模糊模式识别方法的车型识别仪[J];公路交通科技;2000年01期

4 王阳萍,何欣;智能图像处理技术在车型识别中的应用研究[J];兰州交通大学学报;2004年04期

5 季晨光;张晓宇;白相宇;;基于视频图像中的车型识别[J];辽宁工业大学学报(自然科学版);2010年01期

6 张友兵,陈家祺,史旅华,田瑞庭;基于神经网络的汽车车型识别[J];湖北汽车工业学院学报;1998年03期

7 陈家祺,张友兵,史旅华,田瑞庭,傅正朝,舒章钧;运动图像处理在车型识别中的应用[J];汽车工程;1998年06期

8 欧卫华;唐东黎;闻斌;;基于遗传算法优化的模糊神经网络车型识别[J];湖南工业大学学报;2010年02期

9 王明哲;吴皓;周丰;;基于地磁的车型识别模糊数据融合方法研究[J];公路交通科技;2008年01期

10 刘玉铭,白明,吴慧;模糊模式识别理论在车型识别中的应用[J];道路交通与安全;2001年01期

中国重要会议论文全文数据库 前7条

1 韩冬梅;吕芳;;智能交通系统中车型识别的软件设计与实现[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年

2 王超;刘翠响;;视频图像中车辆的车型识别算法研究与实现[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

3 邓天民;邵毅明;崔建江;;一种车型识别算法及其应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

4 张全元;戴光明;陈良;;一种新的基于实时视频流的车型识别算法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 张大奇;曲仕茹;刘真峥;;基于环投影小波分形特征的车型自动识别方案[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 赵天青;梁旭斌;许学忠;蔡宗义;张敏;;车型识别中听觉特征提取算法的研究[A];第三届上海——西安声学学会学术会议论文集[C];2013年

7 刘直芳;游健;王运琼;游志胜;;运动汽车投影阴影分割算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

中国博士学位论文全文数据库 前1条

1 胡耀民;基于视频的车型识别关键技术研究[D];华南理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 邓柳;基于深度卷积神经网络的车型识别[D];西南交通大学;2015年

2 张明贵;道路车辆的车型识别方法研究[D];贵州民族大学;2015年

3 胡焯源;车辆信息识别系统设计与实现[D];辽宁工业大学;2016年

4 贾晓;套牌车辆的车型识别与检索技术研究[D];大连海事大学;2016年

5 郭志明;基于视频图像的车型识别方法的研究[D];东北大学;2014年

6 张飞云;基于深度学习的车辆定位及车型识别研究[D];江苏大学;2016年

7 程丽霞;监控视频中的车型识别技术研究[D];广东工业大学;2016年

8 高许;基于视频图像的车辆检测及车型识别研究[D];燕山大学;2016年

9 夏文吉;基于轮廓几何稀疏表示的车型识别研究[D];西南交通大学;2016年

10 李月;基于卷积神经网络的车型识别系统的设计与实现[D];山东大学;2016年

  本文关键词：基于轮廓几何稀疏表示的车型识别研究，由笔耕文化传播整理发布。

，

本文编号：427624