隨著社會的發(fā)展,車輛成為人們出行的主要交通工具,越來越多的車輛造成了嚴(yán)重的道路交通安全問題,因此對智能交通系統(tǒng)的要求越來越高。車牌檢測和駕駛員人臉檢測作為智能交通系統(tǒng)的重要組成部分,成為近幾年的研究熱點問題。由于交通道路監(jiān)控攝像頭的特殊性,使得車牌檢測和駕駛員人臉檢測效果都不理想。為解決這些問題,本文提出了一種基于可變形部件模型的車牌及駕駛員人臉檢測的方法。本文設(shè)計的檢測方法分為三個階段:首先,利用車牌的位置信息,從含有車輛的圖像中檢測車牌并給出車牌位置信息,將車牌的位置信息作為可變形部件的根模板;然后,使用聚合通道特征(LUV、局部二值模式和方向梯度直方圖),結(jié)合AdaBoost分類器從待檢圖像中檢測到一些候選人臉窗口;最后,利用車牌位置和駕駛員人臉位置的相對關(guān)系,將駕駛員人臉作為部件模板,通過驗證車牌與駕駛員人臉整體的合理性,來濾除虛警。在訓(xùn)練階段,為盡可能提高檢測器的召回率,降低漏檢率。然后通過可變形部件模型來濾除虛警,使得準(zhǔn)確率上升,并且對召回率的影響較小。本文收集交通監(jiān)控所拍攝到的圖像分為白天和晚上兩部分作為數(shù)據(jù)集,共計2062張圖像。利用數(shù)據(jù)集來驗證提出方法的有效性,白天駕...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究工作
    1.4 論文的結(jié)構(gòu)和內(nèi)容
    1.5 本章小結(jié)
2 車牌檢測
    2.1 圖像預(yù)處理
    2.2 邊緣檢測
    2.3 圖像二值化
    2.4 數(shù)學(xué)形態(tài)學(xué)操作
    2.5 車牌定位
    2.6 車牌檢測模塊小結(jié)
3 駕駛員人臉檢測
    3.1 聚合通道特征
    3.2 AdaBoost
    3.3 SVM
    3.4 基于ACF駕駛員人臉檢測
    3.5 濾除虛警
    3.6 本章小結(jié)
4 實驗結(jié)果與分析
    4.1 駕駛員人臉數(shù)據(jù)庫
    4.2 訓(xùn)練數(shù)據(jù)
    4.3 通道特征比較
    4.4 實驗結(jié)果比較
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的學(xué)術(shù)成果和獲獎情況



本文編號：3760506