發(fā)布時(shí)間：2017-10-08 03:29

  本文關(guān)鍵詞：基于車載裝飾品特征的車輛檢索方法研究

  更多相關(guān)文章： 車載裝飾品特征 車輛檢索 顏色特征 Contourlet變換 稀疏編碼

【摘要】：為了懲處交通違法犯罪行為,我國公安系統(tǒng)采取了一系列的技術(shù)手段進(jìn)行違法犯罪后的取證工作,其中“天網(wǎng)工程”通過圖像采集、傳輸、顯示和存儲(chǔ)等一系列設(shè)備對(duì)交通路口進(jìn)行監(jiān)控和信息記錄。但是,每天在交叉路口安裝的監(jiān)控設(shè)備將生成千上萬的圖像數(shù)據(jù)量,在這些圖像數(shù)據(jù)中查找目標(biāo)車輛的工作量非常巨大,目前解決這個(gè)問題的有效方法是根據(jù)車輛號(hào)牌等固有屬性進(jìn)行目標(biāo)車輛識(shí)別查找,而這些方法對(duì)于假(套)牌車輛卻沒有很好的效果。通過研究我們發(fā)現(xiàn)車輛前擋風(fēng)玻璃處的擺件、標(biāo)簽等車載裝飾品特征比較明顯,因此本文研究基于車載裝飾品特征的車輛檢索方法。首先,研究了基于車輛及號(hào)牌對(duì)稱性的車輛檢測(cè)方法,并根據(jù)整個(gè)車輛與前擋風(fēng)玻璃的相對(duì)位置定位車輛前擋風(fēng)玻璃區(qū)域。對(duì)比分析了基于車輛及號(hào)牌對(duì)稱性的車輛檢測(cè)方法、基于Adaboost及Haar特征的車輛檢測(cè)方法、基于灰度共生矩陣及支持向量機(jī)的車輛檢測(cè)方法和基于梯度方向直方圖及支持向量機(jī)的車輛檢測(cè)方法,實(shí)驗(yàn)結(jié)果表明基于車輛及號(hào)牌對(duì)稱性的方法優(yōu)于其他三種方法,其檢測(cè)精度達(dá)到90.7%,并且構(gòu)建了基于東南大學(xué)的車載裝飾品局部區(qū)域圖像集。其次,研究了基于顏色特征的車輛檢索方法,并與基于局部二值模式、基于Gabor小波變換、基于Contourlet變換和基于尺度不變特征的檢索方法進(jìn)行了對(duì)比分析�；谙嗨贫群饬糠椒ㄟM(jìn)行了車輛圖像的檢索實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明基于顏色特征的車輛檢索方法優(yōu)于其他四種方法,其檢索綜合指標(biāo)為86.7%,平均檢索時(shí)間為29730 ms。最后,提出了一種基于車載裝飾品區(qū)域圖像稀疏編碼的車輛檢索方法。對(duì)比分析了稀疏編碼的幾種稀疏向量的求解方法,基于車載裝飾品局部區(qū)域圖像構(gòu)建超完備字典,并根據(jù)輸入的待檢索圖像和建立的字典采用稀疏度自適應(yīng)匹配追蹤(Sparsity Adaptive Matching Pursuit, SAMP)算法求解待檢索圖像的稀疏表征向量；基于東南大學(xué)構(gòu)建的車載裝飾品局部區(qū)域圖像集進(jìn)行了對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明基于稀疏編碼的車輛檢索效果優(yōu)于其他三種車輛檢索方法,在重構(gòu)容許誤差e-3時(shí),其綜合指標(biāo)達(dá)到88.0%,平均檢索時(shí)間為114100ms。
【關(guān)鍵詞】：車載裝飾品特征 車輛檢索 顏色特征 Contourlet變換 稀疏編碼
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U492.8;U495
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 國外研究現(xiàn)狀10-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.3 本文內(nèi)容安排及技術(shù)路線13-15
• 1.4 論文組織結(jié)構(gòu)15-16
• 第二章 車載裝飾品局部區(qū)域圖像集的構(gòu)建方法16-25
• 2.1 車輛圖像數(shù)據(jù)采集16-17
• 2.2 基于車輛及其號(hào)牌對(duì)稱性的車輛定位方法17-18
• 2.3 基于級(jí)聯(lián)分類器及Haar特征的車輛檢測(cè)方法18-19
• 2.4 基于灰度共生矩陣(GLCM)的車輛檢測(cè)方法19-20
• 2.5 基于支持向量機(jī)(SVM)及紋理特征(HOG)的車輛檢測(cè)方法20-21
• 2.6 車輛前擋風(fēng)玻璃區(qū)域的定位21-22
• 2.7 車載裝飾品局部區(qū)域圖像集的構(gòu)建22-24
• 2.8 小結(jié)24-25
• 第三章 基于車載裝飾品區(qū)域圖像顏色直方圖的車輛檢索方法25-43
• 3.1 基于顏色直方圖的車載裝飾品區(qū)域圖像特征表征25-27
• 3.1.1 RGB顏色空間25-26
• 3.1.2 HSV顏色空間26
• 3.1.3 基于顏色直方圖的特征描述26-27
• 3.2 基于其他圖像特征描述方法27-37
• 3.2.1 基于局部二值模式的特征提取27-29
• 3.2.2 基于Gabor小波變換特征提取29-31
• 3.2.3 基于Contourlet變換的特征提取31-34
• 3.2.4 基于尺度不變特征變換(SIFT)的特征提取34-37
• 3.3 特征相似度的衡量37-38
• 3.3.1 直方圖的相似度衡量方法37
• 3.3.2 特征值的相似度衡量方法37-38
• 3.4 檢索效果評(píng)價(jià)標(biāo)準(zhǔn)38-39
• 3.5 實(shí)驗(yàn)結(jié)果39-42
• 3.6 小結(jié)42-43
• 第四章 基于車載裝飾品區(qū)域圖像稀疏編碼的車輛檢索方法43-56
• 4.1 稀疏編碼理論43-49
• 4.1.1 稀疏向量的求解44-48
• 4.1.2 字典學(xué)習(xí)48-49
• 4.2 基于稀疏編碼的車載裝飾品區(qū)域圖像檢索方法49-51
• 4.3 實(shí)驗(yàn)分析51-54
• 4.4 小結(jié)54-56
• 第五章 總結(jié)及展望56-57
• 5.1 總結(jié)56
• 5.2 展望56-57
• 參考文獻(xiàn)57-61
• 致謝61-62
• 碩士期間完成的研究成果62

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 張子龍;薛靜;喬鴻海;智永鋒;;基于改進(jìn)SURF算法的交通視頻車輛檢索方法研究[J];西北工業(yè)大學(xué)學(xué)報(bào);2014年02期

2 連捷;趙池航;張百靈;何杰;黨倩;;基于車輛輪廓對(duì)稱與車牌定位信息融合的車輛檢測(cè)方案(英文)[J];Journal of Southeast University(English Edition);2012年02期

，

本文編號(hào)：991753