發(fā)布時間：2018-07-26 11:02

【摘要】：智能交通系統(tǒng)是目前交通領(lǐng)域的熱點課題,而基于圖像的車型自動檢索是智能交通系統(tǒng)中的重要研究方向,可應用在公安偵緝工作中,能夠協(xié)助公安部門對交通肇事逃逸或者其他犯罪活動的調(diào)查。交通場景下汽車車型圖像檢索的研究具有較高的理論價值和實際意義。本文重點研究了車型圖像檢索中的特征點提取與特征匹配技術(shù),主要研究內(nèi)容包括:(1)研究了車臉圖像的SIFT底層特征描述與提取,構(gòu)建了基于SIFT描述子的關(guān)鍵點數(shù)據(jù)結(jié)構(gòu)。SIFT方法具有對圖像旋轉(zhuǎn)、縮放、平移和仿射等變換的不變性,可在一定程度上降低由于道路中行駛汽車與高清攝像頭之間距離與角度不同,所導致的不同目標圖像間尺度與角度變化的影響。(2)提出了一種基于車臉圖像特征點關(guān)注度的SIFTKeyPre特征匹配算法,可以根據(jù)基準圖像特征點對圖像匹配的貢獻度不同,賦予基準圖像特征點不同的關(guān)注度。分析了該算法應用在車臉圖像樣本集上的檢索效果,討論了優(yōu)選過程中閾值的確定,訓練強度的收斂值以及車牌上特征點關(guān)注度對檢索效果的影響。與未區(qū)分不同特征點對匹配結(jié)果影響的常用匹配算法Flann、Lowe相比,在不增加時間復雜度的前提下,所提出的SIFTKeyPre匹配算法具有更好的檢索效果。(3)研究了一種基于視覺詞袋模型和支持向量機相結(jié)合的車臉圖像特征匹配算法。首先通過視覺詞袋模型對SIFT特征點編碼,利用K-means聚類算法將每幅車臉圖像表示為一維長度固定的向量,再使用支持向量機進行匹配。實驗結(jié)果和理論分析表明,其檢索效果好于Flann、Lowe算法且僅次于SIFTKeyPre算法,但其計算耗時是最少的。
[Abstract]:Intelligent Transportation system (its) is a hot topic in the field of transportation at present, and the automatic retrieval of vehicle model based on image is an important research direction in Intelligent Transportation system (its), which can be applied to the investigation of public security. Be able to assist the public security department in the investigation of traffic hit-and-run or other criminal activities. The research of vehicle image retrieval in traffic scene has high theoretical value and practical significance. This paper focuses on the feature point extraction and feature matching technology in vehicle image retrieval. The main research contents are as follows: (1) the SIFT bottom feature description and extraction of Che face image is studied. The key point data structure based on SIFT descriptor is constructed. The method SIFT has invariance for image rotation, scaling, translation and affine transformation. It can be reduced to some extent because of the difference in distance and angle between the car and the high-definition camera on the road. (2) A SIFTKeyPre feature matching algorithm based on Che face image feature point concern is proposed, which can make different contribution to the image matching according to the reference image feature points. Give different attention to the feature points of the reference image. The retrieval effect of the algorithm applied to the Che face image sample set is analyzed. The effects of the threshold, the convergence value of the training intensity and the attention of the feature point on the license plate on the retrieval effect are discussed. Compared with Flannn Lowe, a common matching algorithm that does not distinguish the influence of different feature points on the matching results, it does not increase the time complexity. The proposed SIFTKeyPre matching algorithm has better retrieval effect. (3) A feature matching algorithm based on the combination of visual word bag model and support vector machine is studied. Firstly, the SIFT feature points are coded by the visual word bag model, and each face image is represented as one dimensional vector with fixed length by using the K-means clustering algorithm, and then the support vector machine is used to match the feature points. Experimental results and theoretical analysis show that the retrieval efficiency is better than that of Flannor Lowe algorithm and second only to the SIFTKeyPre algorithm, but the computation time is the least.
【學位授予單位】：石家莊鐵道大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細的漸進式特征點定位算法[J];北京工業(yè)大學學報;2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點的跟蹤算法[J];武漢理工大學學報(交通科學與工程版);2006年03期

3 朱炬波,易東云,周海銀,王正明;飛行器軌道的特征點[J];宇航計測技術(shù);1998年05期

4 胡迎春,張增芳,梁數(shù);人臉圖像嘴巴特征點自動提取系統(tǒng)[J];廣西工學院學報;2003年02期

5 葉東;解邦福;劉博;;一種基于共面特征點的單攝像機姿態(tài)測量方法研究[J];宇航計測技術(shù);2009年06期

6 王進花;曹潔;;基于特征點的運動汽車跟蹤算法研究[J];電氣自動化;2011年06期

7 董蓉;李勃;陳啟美;;基于局部不變特征點數(shù)據(jù)集的目標跟蹤算法[J];儀器儀表學報;2012年09期

8 吳春京,沈定釗,李中柱;多特征點鐵水成分的熱分析[J];北京科技大學學報;1990年01期

9 齊恒;李克秋;申彥明;;基于特征點組合聚類的圖像檢索新方法[J];大連理工大學學報;2014年04期

10 鄭明玲,劉衡竹;遙感圖像配準中特征點選擇的高性能算法研究及其實現(xiàn)[J];計算機學報;2004年09期

相關(guān)會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學術(shù)研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應用進展——第三屆圖像圖形技術(shù)與應用學術(shù)會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權(quán);;基于二乘向量機的特征點配準算法[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現(xiàn)實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯(lián)合學術(shù)會議論文集[C];2000年

9 楊向林;嚴洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學術(shù)會議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅱ[C];2011年

相關(guān)重要報紙文章 前1條

1 本報記者 王宇;芯技術(shù)點亮未來[N];電腦報;2010年

相關(guān)博士學位論文 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應變測量方法[D];上海交通大學;2014年

2 劉通;面向心拍識別的心電信號的高層特征研究[D];吉林大學;2016年

3 廖斌;基于特征點的圖像配準技術(shù)研究[D];國防科學技術(shù)大學;2008年

4 楊占龍;基于特征點的圖像配準與拼接技術(shù)研究[D];西安電子科技大學;2008年

5 楊利敏;圖像特征點定位算法研究及其應用[D];上海交通大學;2008年

6 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學;2009年

7 魯統(tǒng)偉;前視目標圖像匹配定位技術(shù)研究[D];華中科技大學;2008年

8 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學;2013年

9 宋琳;無人機飛行途中視覺導航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學;2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應用[D];中國科學技術(shù)大學;2012年

相關(guān)碩士學位論文 前10條

1 曾寶瑩;基于圖像識別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學;2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點匹配算法研究[D];西安建筑科技大學;2015年

3 馮翔;基于人臉對齊和多特征融合的人臉識別方法研究[D];南京理工大學;2015年

4 姜小會;基于特征點的圖像拼接技術(shù)研究[D];山東建筑大學;2015年

5 吳昊;基礎矩陣估計方法研究[D];蘭州大學;2015年

6 陳偉;基于唇形特征的身份識別算法的設計[D];蘭州大學;2015年

7 秦清欣;GPS輔助攝影測量的邊坡監(jiān)測技術(shù)研究[D];南京理工大學;2015年

8 宋偉;遠程火光瞄準與探測系統(tǒng)設計[D];西安工業(yè)大學;2015年

9 劉智;塑料面膜印刷質(zhì)量的視覺檢測方法研究[D];沈陽理工大學;2015年

10 任筱強;行星及行星衛(wèi)星著陸探測自主導航方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：2145800