【摘要】：隨著車輛數(shù)量的快速增加,車輛識(shí)別系統(tǒng)對(duì)于道路上車輛信息監(jiān)控、車輛違章檢測(cè)、車輛服務(wù)越來越重要。對(duì)于某些套牌、遮擋車牌的行為,單獨(dú)的車牌識(shí)別系統(tǒng)可能會(huì)造成車輛信息的誤判,而結(jié)合車標(biāo)識(shí)別系統(tǒng)可以降低誤判率。傳統(tǒng)的車標(biāo)識(shí)別方法在車身紋理與車牌紋理相近的情況下會(huì)導(dǎo)致車牌定位不準(zhǔn);且傳統(tǒng)圖像降維方法不能很好地利用嵌入在像素以及鄰域像素中的空間結(jié)構(gòu)信息導(dǎo)致車標(biāo)識(shí)別率低下。本文針對(duì)這兩個(gè)問題在車標(biāo)識(shí)別系統(tǒng)的車標(biāo)定位和車標(biāo)特征提取兩個(gè)階段進(jìn)行了如下優(yōu)化:(1)針對(duì)傳統(tǒng)的車標(biāo)識(shí)別方法在車身紋理與車牌紋理相近的情況下會(huì)導(dǎo)致車牌定位不準(zhǔn)的問題,本文在車牌定位基礎(chǔ)上,使用顏色空間與紋理檢測(cè)結(jié)合的方法實(shí)現(xiàn)精準(zhǔn)定位車牌;采用圖像Haar特征與Adaboost相結(jié)合的車標(biāo)定位方法。實(shí)驗(yàn)表明本文方法相對(duì)于傳統(tǒng)方法提高了車標(biāo)的定位準(zhǔn)確率。(2)對(duì)于傳統(tǒng)圖像1D降維方法不能很好地利用嵌入在像素以及鄰域像素中的空間結(jié)構(gòu)信息的問題,本文采用2D特征相互融合的方法提取圖像特征。2D特征使用原始圖像矩陣構(gòu)造圖像協(xié)方差,并從中提取圖像的特征向量,保留了原圖像的空間結(jié)構(gòu)信息。在顏色空間與紋理檢測(cè)相結(jié)合定位車牌,并使用Haar特征與Adaboost算法結(jié)合的車標(biāo)定位基礎(chǔ)上,本文對(duì)常用的1D數(shù)據(jù)降維方法與2D特征融合的數(shù)據(jù)降維方法進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明2DLPP與2DLDA特征相融合有較好的識(shí)別效果。
【圖文】：

圖 1.1 車標(biāo)識(shí)別流程圖ig.1.1 Car Mark Identification Flow基本一致，但相對(duì)與成熟的型轎車的車標(biāo)一般在車牌上方，導(dǎo)致車標(biāo)定位不容易；其較難定位。車標(biāo)識(shí)別系統(tǒng)的難影響到車標(biāo)識(shí)別系統(tǒng)的識(shí)別別方法、圖像增強(qiáng)技術(shù)去噪，然后使用邊緣圖像的垂直投影，得2

圖 2.1 車標(biāo)定位流程圖Fig. 2.1 Vehicle Positioning Flowchart預(yù)處理取車牌位置，而輸入圖片在拍攝的環(huán)境角度的影響，即使同一輛車獲取到的輸異性加大了對(duì)車牌定位的難度，其中的的兩個(gè)因素。為提高車牌定位的準(zhǔn)確率為 HSV 模式的圖片，再通過形態(tài)學(xué)處理車牌標(biāo)準(zhǔn)是 1992 年發(fā)表的“92 式號(hào)牌政區(qū)的簡(jiǎn)體漢字配以一個(gè)拉丁字母和一字之后的拉丁字母就是決定了該市對(duì)該直轄市的市中心區(qū)所注冊(cè)的車輛，，省會(huì)以
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U495;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李文舉;孫娟紅;韋麗華;李俠;;基于2DPCA-ICA和SVM的車標(biāo)識(shí)別新方法[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

2 王枚;王國(guó)宏;房培玉;孫淑娟;;基于PCA與不變矩的車標(biāo)定位與識(shí)別[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2008年01期

3 王洪建;基于HSV顏色空間的一種車牌定位和分割方法[J];儀器儀表學(xué)報(bào);2005年S2期

4 吳小艷,王維慶,楊春祥,何山,王小龍;幾種基于模板匹配法的數(shù)字圖像識(shí)別算法分析[J];計(jì)量技術(shù);2005年06期

相關(guān)碩士學(xué)位論文 前2條

1 劉津;基于KPCA和GPC的復(fù)雜環(huán)境下車標(biāo)識(shí)別算法研究[D];北京理工大學(xué);2016年

2 劉玉松;基于智能手機(jī)的自動(dòng)車標(biāo)識(shí)別系統(tǒng)[D];上海交通大學(xué);2015年

本文編號(hào)：2670261