隨著我國城鎮(zhèn)化建設(shè)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(yán)重”、“交通事故頻發(fā)”等問題層出不窮,對社會經(jīng)濟(jì)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(yīng)運(yùn)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:(1)研究了一種基于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(biāo)整體輪廓特征,還包含了目標(biāo)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(qiáng)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(zhǔn)確率。(2)研究了一種基于顏色和字符特征的車輛號牌定位方法,充分結(jié)合了顏色檢測的快速性和字符檢測的準(zhǔn)確性,在自建的復(fù)雜場景數(shù)據(jù)庫中測試,召回率為93.12%,準(zhǔn)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(jìn)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(dá)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(fù)雜場景,具有良好的魯棒性。(3)針對傳統(tǒng)機(jī)器學(xué)習(xí)算法無法對車輛型號進(jìn)行細(xì)致分類的問題,探討了一種基于深度學(xué)習(xí)的車輛型號識別方法,采用微調(diào)預(yù)訓(xùn)練網(wǎng)絡(luò)模型的策略,在車輛型號數(shù)據(jù)庫中測試結(jié)果為:top-1錯誤率28.2%,top-5錯誤率12.9%。改進(jìn)了傳統(tǒng)方法中提取感興趣區(qū)域進(jìn)行車輛顏色識別的辦法,研究了一種基于深度學(xué)習(xí)的車輛顏色識別方法,有效避免了感興趣區(qū)域定位出錯導(dǎo)致識別錯誤的情況。為了研究在深度學(xué)習(xí)背景下,色彩空間對車輛顏色識別效果的影響,本文進(jìn)行了對比實驗,在車輛顏色數(shù)據(jù)庫中,RGB色彩空間具有最好的分類效果,平均準(zhǔn)確率達(dá)到了93.77%。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U495;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 郇鵬,張仲義;基于射頻技術(shù)的高速公路不停車收費系統(tǒng)[J];交通運(yùn)輸系統(tǒng)工程與信息;2004年02期

相關(guān)碩士學(xué)位論文 前3條

1 于國輝;車輛多特征識別算法研究與實現(xiàn)[D];電子科技大學(xué);2016年

2 陳熊;基于機(jī)器視覺的車輛檢測方法研究[D];電子科技大學(xué);2016年

3 卜英家;基于計算機(jī)視覺的車牌識別系統(tǒng)的算法研究[D];電子科技大學(xué);2015年

本文編號：1523808