隨著大數(shù)據(jù)、機(jī)器學(xué)習(xí)和人工智能等新一代信息技術(shù)的發(fā)展,智能化、網(wǎng)絡(luò)化、數(shù)字化的智慧高速公路系統(tǒng)已成為趨勢。智慧高速公路系統(tǒng)的核心在于數(shù)據(jù)的采集、分析和使用。作為智慧高速系統(tǒng)中重要的組成部分,貨車不停車收費(fèi)系統(tǒng)在極大提升高速公路快速通行能力的同時(shí),不僅能有效保護(hù)高速公路路面及橋梁,還有利于規(guī)范司機(jī)行駛操作和汽車工業(yè)的發(fā)展,在智慧高速系統(tǒng)的發(fā)展中起到了至關(guān)重要的作用。貨車不停車收費(fèi)系統(tǒng)的實(shí)現(xiàn)首先要保證貨車信息感知的精確性,貨車信息包括車輛號牌信息和車身顏色信息等,本文研究了基于圖像的貨車車輛號牌和貨車顏色識別技術(shù),具體研究成果和創(chuàng)新點(diǎn)如下:首先,對比分析了基于邊緣信息、基于顏色信息、基于模板匹配、基于字符特征、基于方向梯度直方圖特征及支持向量機(jī)和基于可變形部件模型6種貨車車輛號牌定位方法,并開展了對比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明基于可變形部件模型的貨車車輛號牌定位方法優(yōu)于其他五種貨車車輛號牌定位方法,其定位準(zhǔn)確率達(dá)到99.34%;基于比例分割方法對定位得到的貨車車輛號牌進(jìn)行字符分割,并構(gòu)建了東南大學(xué)貨車車輛號牌字符圖像集。其次,對比分析了Resnet50、InceptionV3、Xception和N... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

高速公路場

第二章高速公路場景中貨車車輛號牌定位方法研究模板匹配法是模式識別中最具代表性的基本方法之一，該方法是通過計(jì)算目標(biāo)模板的特征向量和待測圖像中的所對應(yīng)的特征向量之間的距離，度量其相似度以檢測出目標(biāo)。模板匹配示意圖如圖2.5所示。圖2.5模板匹配示意圖輸入圖像邊緣提取圖像二值化SSDA模板匹配丟棄輸出車牌區(qū)域否是圖像灰度化消除噪聲圖2.6基于模板匹配法的貨車車輛號牌定位由于從大幅面圖像中搜尋與模板匹配度最高的目標(biāo)對象具有很大的計(jì)算量，要花費(fèi)的時(shí)間相對長。為了實(shí)現(xiàn)高速化的模板匹配，Barnea和Sliverman提出了一種序貫相似性檢[39]，假設(shè)圖像表示為f(x,y)，圖像在像素(u,v)的非相似度m(u,v)定義為15

?蚋鍪??醭黨盜競排譜址???，若字符區(qū)域個(gè)數(shù)小于7，則添加一個(gè)滑動(dòng)窗口在該字符區(qū)域同一中心線的其他候選區(qū)域?qū)ふ胰笔У淖址麉^(qū)域，若候選區(qū)評分介于雙閾值之間，則認(rèn)定其為字符區(qū)域，直到文字區(qū)域個(gè)數(shù)滿足7；最后，將字符區(qū)域融合，得到車輛號牌區(qū)域。2.2.5基于方向梯度直方圖特征及支持向量機(jī)的貨車車輛號牌定位方法檢測窗口歸一化圖像計(jì)算梯度計(jì)算每個(gè)Cell的梯度直方圖對每個(gè)重疊塊Block內(nèi)的直方圖進(jìn)行歸一化把所有Block內(nèi)的直方圖向量一起組合成一個(gè)大的HOG特征向量(a)HOG示意圖(b)HOG提取流程圖2.8HOG特征提取流程17


本文編號：3235790