车辆信息识别系统设计与实现

发布时间：2017-05-06 02:07

  本文关键词：车辆信息识别系统设计与实现，由笔耕文化传播整理发布。

【摘要】：车辆信息识别是随着车辆迅速增加和计算机视觉智能交通(Intelligent Transportation System,ITS)的发展而产生的一个基于实际需求的模式识别课题。车辆的增多使得交通堵塞、交通违章、套牌车和无牌车等问题日益严重。车牌识别作为智能交通的先驱产品虽然非常成熟并得到了广泛的应用,但面对套牌、无牌等交通问题时显得束手无策。因此,本文提出了对车辆本身的信息进行识别来解决这类问题,包括车型和车身颜色这两种主要的车辆信息。其中,车型信息是指识别车辆属于那一种品牌型号。本文研究的车辆信息识别主要包含六个部分:样本图像预处理、车脸格栅(vehicle grille)提取、车身颜色识别区域提取、特征提取和降维、车型识别、车身颜色识别,并深入开展了以下四个方面的工作。(1)处理车辆图像,优先利用车牌位置信息定位车脸格栅带(vehicle grille bar),当无法确定车牌位置信息时,改进百分比阈值二值化算法,先定位车脸格栅带,然后采用灰度图像梯度投影方法从车脸格栅带中精确定位车脸格栅。(2)对常用的纹理特征进行了详细分析和比较,并提出利用梯度方向直方图(Histogram of Oriented Gradient,HOG)+Gabor小波变换的融合特征作为车脸格栅的图像描述子。同时对融合特征采用局部保留投影(Locality Preserving Projection,LPP)算法进行降维。(3)选取基于分类错误概率最小或损失风险最小的朴素贝叶斯模型作为车型识别的分类器,使得车型的最终识别率达到92.88%。(4)通过比较四种颜色空间模型的车身颜色识别效果,改进了识别效果最好的HSV颜色空间的颜色量化模板和颜色判定规则,将车身颜色的最终识别率提高到88.73%。最终在VC++2010的编程环境下,开发了车辆信息识别系统。实验数据表明,该系统对车型与车身颜色具有较好的识别效果。
【关键词】：车型识别 车脸格栅定位 融合特征 贝叶斯模型 颜色识别
【学位授予单位】：辽宁工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 1 绪论9-15
• 1.1 论文的研究背景与选题意义9-11
• 1.1.1 模式识别与智能交通10
• 1.1.2 套牌车、无牌车和车牌故意遮挡等问题10-11
• 1.2 国内外研究现状11-13
• 1.2.1 车型分类的研究现状11-12
• 1.2.2 车身颜色识别的研究现状12-13
• 1.3 论文的主要内容及结构安排13-15
• 2 车辆图像样本与预处理15-20
• 2.1 样本图像要求与样本库制作15-17
• 2.2 车辆图像预处理17-19
• 2.2.1 图像灰度化17-18
• 2.2.2 形态学处理18-19
• 2.2.3 连通域检测19
• 2.3 本章小结19-20
• 3 车脸格栅的定位与提取20-35
• 3.1 车牌定位研究20-23
• 3.1.1 车牌上下边界定位21-23
• 3.1.2 车牌左右边界定位23
• 3.2 车辆图像车脸格栅带定位23-27
• 3.3 车脸格栅区域定位27-34
• 3.3.1 车脸格栅左右边界定位27-32
• 3.3.2 波峰区域筛选32-34
• 3.3.3 车脸格栅精确提取34
• 3.4 本章小结34-35
• 4 车脸格栅图像的特征提取与车型分类35-48
• 4.1 车脸格栅图像归一化35-36
• 4.2 特征提取及改进36-41
• 4.2.1 Canny边缘检测特征36-37
• 4.2.2 HOG方向梯度直方图特征37-38
• 4.2.3 LBP特征38-39
• 4.2.4 Gabor小波变换特征39-40
• 4.2.5 融合特征40-41
• 4.3 图像特征的压缩降维41-42
• 4.3.1 主元分析法41-42
• 4.3.2 LPP局部保留投影降维42
• 4.4 基于概率统计的Bayes车型分类算法42-47
• 4.4.1 统计模式识别42-43
• 4.4.2 贝叶斯分类模型43-45
• 4.4.3 实验数据和实验结果45-47
• 4.5 本章小结47-48
• 5 车身颜色识别48-56
• 5.1 颜色识别区域提取48-49
• 5.2 颜色空间转化49-52
• 5.2.1 RGB颜色空间49-50
• 5.2.2 HSV颜色空间50-51
• 5.2.3 YUV颜色空间51
• 5.2.4 CIELab颜色空间51-52
• 5.3 改进的颜色量化模板和判断规则52-54
• 5.3.1 改进的HSV颜色量化模板52-53
• 5.3.2 改进的颜色判断规则53-54
• 5.4 实验结果54-55
• 5.5 本章小结55-56
• 6 车辆信息识别系统实现56-60
• 6.1 系统实现方案56-57
• 6.2 系统运行界面57-58
• 6.3 系统实验结果分析58-59
• 6.4 本章小结59-60
• 7 总结与展望60-62
• 7.1 总结60
• 7.2 展望60-62
• 参考文献62-65
• 攻读硕士期间发表学术论文情况65-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 袁志勇,查桂峰,陈绵云,张仁宏;基于反对称小波的车型识别研究[J];武汉大学学报(信息科学版);2005年06期

2 袁志勇,查桂峰,陈绵云;基于聚类的二级模糊综合评判的车型识别研究[J];计算机工程与应用;2005年12期

3 运国莲;陈启美;丁胜军;;基于非完备贝叶斯网络的车型识别方法[J];交通与计算机;2006年01期

4 贾永涛;张帆;;车型识别专家系统的设计[J];计算机测量与控制;2006年04期

5 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

6 颜卓旺;;基于历史数据的车型识别方案[J];中国交通信息化;2012年03期

7 袁爱龙;陈怀新;吴云峰;;基于尺度显著性算法的车型识别方法[J];微型机与应用;2012年15期

8 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

9 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

10 张海峰,段颖妮;道桥收费站车型识别技术[J];现代电子技术;2001年09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 涂文华;基于数据融合的交通物联网感知节点研究与应用[D];南昌大学;2015年

4 刘超;多姿态车型识别算法设计及应用研究[D];电子科技大学;2014年

5 王欣;基于小波分析的车型自动识别系统的设计与实现[D];电子科技大学;2014年

6 凌永国;基于卡口图像车型识别的研究[D];广西师范大学;2015年

7 张海彬;基于卡口图像的车型识别方法研究[D];合肥工业大学;2015年

8 万青英;面向众核平台的车辆识别技术研究[D];河北科技大学;2015年

9 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

10 刘波;车辆音频特征分析及车型识别研究[D];武汉理工大学;2007年

  本文关键词：车辆信息识别系统设计与实现，由笔耕文化传播整理发布。

，

本文编号：347512