基于PHOG和ORB的车标识别算法研究
发布时间：2021-06-13 16:02
伴随着机动车保有量的逐年增加,我国交通问题日益严峻,车辆身份信息的获取与识别逐渐成为智能交通系统中的一个研究热点。车辆标志是除车辆牌照之外最可区分车辆身份信息的标志之一,其识别研究具有重要的意义。同时车标体积小、品牌间相似程度高等因素,也使得车标识别的研究存在非常大的挑战。针对现有技术存在鲁棒性低、实时性差的问题,本文提出一种新的车标识别算法,包括车标定位和车标识别两个阶段。本文的主要工作和创新点如下:在车标定位阶段,提出基于先验知识与背景纹理抑制的车标定位方法。利用基于局部二值模式（Local Binary Pattern,LBP）的Adaboost方法得到车牌的先验位置,并参照车牌与车标之间的位置结构特性,获取包含车标的候选区域;在此基础上,采用Sobel算子和Gabor滤波器相结合的纹理抑制方法,去掉车标周围的背景,获得精确的车标位置。在车标识别阶段,提出基于分层梯度方向直方图（Pyramid Histogram of Orientated Gradients,PHOG）和ORB（Oriented FAST and Rotated BRIEF）算法的车标二级识别。针对传统的PHO...
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
车标识别处理流程
河北工业大学硕士学位论文-9-其变换函数如式(2.2)所示：1111211121222222---255--25()5-yxxxxyyxxyxxyxxyfxxxxxxx(2.2)公式中，车辆图像的整体灰度值范围为[0,255]，(x1,y1)和(x2,y2)作为分段线性函数的拐点，均为给定的值。其中，本文设定y1=0.2×255，y2=0.8×255；当输入图像大小为m×n时，通过计算其直方图g(i)，确定x1与x2的方法如公式(2.3)和(2.4)所示：1x=min[100.2xigimn](2.3)2x=max[200.8xigimn](2.4)车辆图像经过灰度拉伸处理后如图2.3所示。a)(a)原始灰度图(b)灰度拉伸后图片图2.3原始灰度图与灰度拉伸后图片图2.3(a)中的原始灰度图分别为低照度天气情况、雾霾天气情况以及正常光照情况下采集的车辆监控图像。经过灰度拉伸处理之后，能够从图2.3(b)中明显看出，图像的对比度得到改善，使车辆图像更显著，有利于后续处理工作的进行。
基于PHOG和ORB的车标识别算法研究-14-(b)夜间监控车辆车牌定位(c)雾霾监控车辆车牌定位(d)白天监控车辆车牌定位图2.7车牌定位效果示意图图2.7展示了本文车辆图像的在倾斜卡口、夜晚、雾霾和白天的车牌定位情况。体现了本文基于LBP与Adaboost的车牌定位方法对车牌的定位能力，能够为后续车标的定位与识别提供保证。2.4本章小结本章的主要目的在于对车辆图像进行预处理并对车牌位置进行检测。在算法上，首先对输入的彩色车辆图像进行灰度转换以及对比度拉伸。之后对车辆图像提取LBP特征，结合Adaboost级联分类器，对车牌进行位置的检测，为下一章的车标定位奠定一个良好的基矗
【参考文献】：
期刊论文
[1]一种基于LBP与HOG联合特征的车标识别方法[J]. 张素雯,张永辉,杨洁,李松斌. 网络新媒体技术. 2016(06)
[2]基于散热器栅格背景精确分类的车标定位方法[J]. 李熙莹,吕硕,袁敏贤,江倩殷,余志. 计算机工程与应用. 2017(02)
[3]基于联合层特征的卷积神经网络在车标识别中的应用[J]. 张力,张洞明,郑宏. 计算机应用. 2016(02)
[4]Patch-based vehicle logo detection with patch intensity and weight matrix[J]. 刘海明,黄樟灿,Ahmed Mahgoub Ahmed Talab. Journal of Central South University. 2015(12)
[5]基于先验知识和纹理方向性的车标定位方法[J]. 王建,任明武. 计算机应用与软件. 2014(05)
[6]基于改进HOG特征值的车标检测与识别方法[J]. 鲁丰,刘芸,张仁辉. 光通信研究. 2012(05)
[7]Radon变换在倾斜车牌图像校正中的应用[J]. 贡丽霞,白艳萍. 测试技术学报. 2009(05)
[8]一种新的基于Radon变换的车牌倾斜校正方法[J]. 贾晓丹,李文举,王海姣. 计算机工程与应用. 2008(03)
[9]车牌照字符倾斜校正方法的研究[J]. 杨立刚,张兴会,李兰友. 仪器仪表学报. 2004(S1)
[10]车牌识别中倾斜牌照的快速矫正算法[J]. 芮挺,沈春林,张金林. 计算机工程. 2004(13)
博士论文
[1]车辆识别系统中的基础性算法研究[D]. 王钰.北京交通大学 2010
硕士论文
[1]基于树状卷积神经网络的车标识别[D]. 吴章辉.湘潭大学 2017
[2]基于智能图像处理的车标识别研究[D]. 李梦.北京交通大学 2017
[3]基于图像的车标定位与识别[D]. 周阳.北方工业大学 2015
[4]基于LBP和Adaboost的人脸识别算法研究[D]. 周士奇.东北大学 2010
本文编号：3227848
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
车标识别处理流程
河北工业大学硕士学位论文-9-其变换函数如式(2.2)所示：1111211121222222---255--25()5-yxxxxyyxxyxxyxxyfxxxxxxx(2.2)公式中，车辆图像的整体灰度值范围为[0,255]，(x1,y1)和(x2,y2)作为分段线性函数的拐点，均为给定的值。其中，本文设定y1=0.2×255，y2=0.8×255；当输入图像大小为m×n时，通过计算其直方图g(i)，确定x1与x2的方法如公式(2.3)和(2.4)所示：1x=min[100.2xigimn](2.3)2x=max[200.8xigimn](2.4)车辆图像经过灰度拉伸处理后如图2.3所示。a)(a)原始灰度图(b)灰度拉伸后图片图2.3原始灰度图与灰度拉伸后图片图2.3(a)中的原始灰度图分别为低照度天气情况、雾霾天气情况以及正常光照情况下采集的车辆监控图像。经过灰度拉伸处理之后，能够从图2.3(b)中明显看出，图像的对比度得到改善，使车辆图像更显著，有利于后续处理工作的进行。
基于PHOG和ORB的车标识别算法研究-14-(b)夜间监控车辆车牌定位(c)雾霾监控车辆车牌定位(d)白天监控车辆车牌定位图2.7车牌定位效果示意图图2.7展示了本文车辆图像的在倾斜卡口、夜晚、雾霾和白天的车牌定位情况。体现了本文基于LBP与Adaboost的车牌定位方法对车牌的定位能力，能够为后续车标的定位与识别提供保证。2.4本章小结本章的主要目的在于对车辆图像进行预处理并对车牌位置进行检测。在算法上，首先对输入的彩色车辆图像进行灰度转换以及对比度拉伸。之后对车辆图像提取LBP特征，结合Adaboost级联分类器，对车牌进行位置的检测，为下一章的车标定位奠定一个良好的基矗
【参考文献】：
期刊论文
[1]一种基于LBP与HOG联合特征的车标识别方法[J]. 张素雯,张永辉,杨洁,李松斌. 网络新媒体技术. 2016(06)
[2]基于散热器栅格背景精确分类的车标定位方法[J]. 李熙莹,吕硕,袁敏贤,江倩殷,余志. 计算机工程与应用. 2017(02)
[3]基于联合层特征的卷积神经网络在车标识别中的应用[J]. 张力,张洞明,郑宏. 计算机应用. 2016(02)
[4]Patch-based vehicle logo detection with patch intensity and weight matrix[J]. 刘海明,黄樟灿,Ahmed Mahgoub Ahmed Talab. Journal of Central South University. 2015(12)
[5]基于先验知识和纹理方向性的车标定位方法[J]. 王建,任明武. 计算机应用与软件. 2014(05)
[6]基于改进HOG特征值的车标检测与识别方法[J]. 鲁丰,刘芸,张仁辉. 光通信研究. 2012(05)
[7]Radon变换在倾斜车牌图像校正中的应用[J]. 贡丽霞,白艳萍. 测试技术学报. 2009(05)
[8]一种新的基于Radon变换的车牌倾斜校正方法[J]. 贾晓丹,李文举,王海姣. 计算机工程与应用. 2008(03)
[9]车牌照字符倾斜校正方法的研究[J]. 杨立刚,张兴会,李兰友. 仪器仪表学报. 2004(S1)
[10]车牌识别中倾斜牌照的快速矫正算法[J]. 芮挺,沈春林,张金林. 计算机工程. 2004(13)
博士论文
[1]车辆识别系统中的基础性算法研究[D]. 王钰.北京交通大学 2010
硕士论文
[1]基于树状卷积神经网络的车标识别[D]. 吴章辉.湘潭大学 2017
[2]基于智能图像处理的车标识别研究[D]. 李梦.北京交通大学 2017
[3]基于图像的车标定位与识别[D]. 周阳.北方工业大学 2015
[4]基于LBP和Adaboost的人脸识别算法研究[D]. 周士奇.东北大学 2010
本文编号：3227848
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3227848.html
