本文關(guān)鍵詞：駕駛?cè)宋聪蛋踩珟ёR(shí)別系統(tǒng)研究

  更多相關(guān)文章： 智能交通系統(tǒng) 未系安全帶識(shí)別 車牌定位 紋理特征 支持向量機(jī)

【摘要】：基于機(jī)器視覺的交通違章識(shí)別是近年來(lái)國(guó)內(nèi)外智能交通領(lǐng)域研究的一大熱點(diǎn),極大促進(jìn)了城市智能交通系統(tǒng)的發(fā)展完善。作為車內(nèi)最有效的保護(hù)措施之一,佩戴安全帶駕駛一直是我國(guó)法律明文規(guī)定的駕駛行為,但目前其檢測(cè)仍以人工篩查為主。隨著汽車數(shù)量的爆炸式增長(zhǎng),傳統(tǒng)檢測(cè)方式已滿足不了城市交通管理的需求,存在處理效率低、人為干擾嚴(yán)重、執(zhí)法成本偏高等問(wèn)題,實(shí)現(xiàn)未系安全帶檢測(cè)的智能化處理早已成為當(dāng)前交通系統(tǒng)亟需解決的問(wèn)題,因此,本文以三點(diǎn)式安全帶為研究對(duì)象,設(shè)計(jì)一種駕駛?cè)宋聪蛋踩珟ёR(shí)別系統(tǒng),利用圖像處理、最優(yōu)化控制、模式識(shí)別等技術(shù)分析卡口圖像,有效識(shí)別駕駛?cè)耸欠癜匆?guī)定佩戴安全帶,對(duì)實(shí)現(xiàn)安全帶檢測(cè)的自動(dòng)化處理,提高城市交通管理水平,降低交通事故中的傷亡率具有深遠(yuǎn)意義。全文主要研究?jī)?nèi)容分為如下三個(gè)部分:(1)基于Haar分類器的車牌定位相對(duì)安全帶定位,車牌定位算法比較成熟,且車牌與車窗相對(duì)位置固定,易于利用幾何關(guān)系定位安全帶,因此,本文將車牌定位作為安全帶識(shí)別的第一步,采用Haar分類器對(duì)車牌進(jìn)行定位。首先對(duì)圖像進(jìn)行預(yù)處理,利用灰度積分投影算法獲取邊緣圖像下的車輛位置,設(shè)立車牌識(shí)別區(qū),然后以車牌字頭部分為正樣本,訓(xùn)練得到車牌檢測(cè)器,通過(guò)檢索車牌識(shí)別區(qū)定位車牌位置,為后續(xù)安全帶定位奠定基礎(chǔ)。(2)基于梯度變化的安全帶區(qū)域提取分析發(fā)現(xiàn),駕駛?cè)思绮堪踩珟芊较虮P、手臂遮擋等影響最小,可作為安全帶識(shí)別區(qū)域,因此,本文采用“逼近”思維提取安全帶圖像。首先以車牌為參照,往圖像上方偏移一定距離,切取車窗右側(cè)圖像,然后對(duì)車窗圖像進(jìn)行再處理,利用梯度變換得到車窗各邊緣坐標(biāo),最后通過(guò)幾何偏移獲取安全帶區(qū)域圖像,為提取安全帶特征奠定基礎(chǔ)。(3)基于紋理特征的未系安全帶識(shí)別傳統(tǒng)安全帶識(shí)別研究以Hough變換、Haar特征識(shí)別為主,存在直線提取繁瑣、識(shí)別適應(yīng)性差等問(wèn)題,因此,本文引入紋理特征識(shí)別未系安全帶。通過(guò)提取駕駛員肩部安全帶區(qū)域的多種紋理特征作為特征向量,利用優(yōu)化的支持向量機(jī)對(duì)佩戴狀態(tài)進(jìn)行識(shí)別,測(cè)試結(jié)果表明,基于紋理特征的未系安全帶識(shí)別有效可行,算法總體識(shí)別率達(dá)到86.12%,AUC值為0.9141,未系安全帶識(shí)別具有較高準(zhǔn)確性。
【關(guān)鍵詞】：智能交通系統(tǒng) 未系安全帶識(shí)別 車牌定位 紋理特征 支持向量機(jī)
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495
【目錄】：

• 中文摘要6-7
• ABSTRACT7-9
• 1 緒論9-17
• 1.1 研究目的意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析10-14
• 1.2.1 國(guó)外研究現(xiàn)狀10-11
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀11-14
• 1.3 研究?jī)?nèi)容與技術(shù)路線14-16
• 1.3.1 主要研究?jī)?nèi)容14-16
• 1.3.2 技術(shù)路線16
• 1.4 本章小結(jié)16-17
• 2 圖像獲取及預(yù)處理17-25
• 2.1 圖像獲取17-19
• 2.2 圖像預(yù)處理19-24
• 2.2.1 灰度化轉(zhuǎn)換19-20
• 2.2.2 圖像增強(qiáng)20-22
• 2.2.3 車輛邊緣檢測(cè)22-23
• 2.2.4 形態(tài)學(xué)運(yùn)算23-24
• 2.3 本章小結(jié)24-25
• 3 車輛定位和車牌定位25-34
• 3.1 基于積分投影的車輛定位25-26
• 3.2 基于Haar分類器的車牌定位26-33
• 3.2.1 設(shè)立車牌ROI區(qū)26-27
• 3.2.2 Haar分類器原理27-30
• 3.2.3 車牌定位及分析30-33
• 3.3 本章小結(jié)33-34
• 4 未系安全帶紋理特征提取34-46
• 4.1 安全帶識(shí)別區(qū)域定位34-36
• 4.2 基于灰度梯度共生矩陣的紋理特征提取36-39
• 4.3 基于小波變換的特征提取39-43
• 4.3.1 二維離散小波變換39-40
• 4.3.2 小波基的選擇40-41
• 4.3.3 分解層數(shù)的確定41-42
• 4.3.4 離散小波特征提取42-43
• 4.4 Tamura紋理特征提取43-45
• 4.5 本章小結(jié)45-46
• 5 基于支持向量機(jī)的未系安全帶識(shí)別46-61
• 5.1 支持向量機(jī)基礎(chǔ)46-48
• 5.1.1 線性支持向量機(jī)46-47
• 5.1.2 非線性支持向量機(jī)47-48
• 5.2 基于Relief算法的特征選擇48-53
• 5.2.1 Relief算法的數(shù)學(xué)表達(dá)48-49
• 5.2.2 特征選擇及分析49-53
• 5.3 未系安全帶識(shí)別模型的建立53-55
• 5.3.1 樣本圖像的選取53
• 5.3.2 核函數(shù)選擇53-54
• 5.3.3 未系安全帶識(shí)別模型的建立54-55
• 5.4 基于遺傳算法的參數(shù)優(yōu)化55-58
• 5.4.1 遺傳算法基本原理55-56
• 5.4.2 支持向量機(jī)參數(shù)優(yōu)化56-58
• 5.4.3 尋優(yōu)結(jié)果及分析58
• 5.5 實(shí)驗(yàn)結(jié)果及分析58-60
• 5.6 本章小結(jié)60-61
• 6 結(jié)論與展望61-63
• 6.1 主要結(jié)論61-62
• 6.2 工作展望62-63
• 參考文獻(xiàn)63-67
• 致謝67-68
• 攻讀碩士學(xué)位期間的研究成果68

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 勾麗杰;鄭玉興;蘭靜;;基于粒子群的車牌定位識(shí)別的神經(jīng)網(wǎng)絡(luò)方法[J];遼寧省交通高等專科學(xué)校學(xué)報(bào);2007年02期

2 馬璽;胡澤;;車牌定位關(guān)鍵技術(shù)的研究[J];儀器儀表用戶;2008年01期

3 徐曉丹;張健;;車牌定位的研究與實(shí)現(xiàn)[J];遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

4 王枚;蘇光大;王國(guó)宏;;復(fù)雜環(huán)境下的車牌定位及目標(biāo)真實(shí)性驗(yàn)證[J];光學(xué)精密工程;2009年04期

5 朱春滿;房斌;尚趙偉;王翊;;復(fù)雜背景下的多車牌定位技術(shù)研究[J];公路交通科技;2010年07期

6 陸恩誕,陸鋒,袁曉輝;用神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌定位的研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年S1期

7 許健;段小梅;;車牌定位技術(shù)在“電子警察”系統(tǒng)中的應(yīng)用研究[J];自動(dòng)化與信息工程;2006年03期

8 陳陽(yáng);李定主;;基于統(tǒng)計(jì)邊緣跳變次數(shù)的車牌定位算法[J];機(jī)械工程與自動(dòng)化;2007年03期

9 王傳琦;張建;閆曉東;劉佳宇;;基于色彩轉(zhuǎn)換和投影的車牌定位方法[J];淮陰工學(xué)院學(xué)報(bào);2008年01期

10 安紅新;蔣建國(guó);齊美彬;劉紅海;;基于三值圖像的車牌定位算法[J];電子測(cè)量與儀器學(xué)報(bào);2012年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 李孟歆;吳成東;曹陽(yáng);;基于旋轉(zhuǎn)差分投影的混合車牌定位方法[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動(dòng)化與先進(jìn)集成技術(shù)大會(huì)論文集[C];2008年

2 許禮武;許倫輝;;基于小波分解的車牌定位算法[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

3 黃文楷;孫季豐;;基于灰度圖像的車牌定位算法的研究[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 畢思娟;吳曉娟;尚峰;亓磊;;基于色彩分割及信息融合的車牌定位方法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

5 古智超;孫季豐;;復(fù)雜背景下的車牌定位與快速分割算法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 韓立明;王波濤;;一種改進(jìn)的灰度跳變車牌定位方法[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

7 李艷洪;鄒俊忠;張見;雷江震;;基于小波特征提取的車牌定位方法[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

8 侯培國(guó);趙靜;劉明;;基于小波變換和行掃描的車牌定位方法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

9 徐文宇;白廷柱;蔣曉瑜;;一種基于字符紋理分析的車牌定位方法[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

10 曹陸軍;;一種基于灰度差閾值的快速車牌定位方法[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李波;基于圖像分析的車輛識(shí)別與跟蹤若干關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 楊松;一種實(shí)用的車牌定位系統(tǒng)的研究[D];昆明理工大學(xué);2015年

2 史忠翰;車標(biāo)自動(dòng)精確定位算法研究[D];北京理工大學(xué);2015年

3 陳佳;基于形態(tài)學(xué)的車牌定位方法的研究與應(yīng)用[D];南華大學(xué);2015年

4 蔣婧婧;車輛視頻信息采集及身份識(shí)別系統(tǒng)設(shè)計(jì)[D];南京郵電大學(xué);2015年

5 周霖;智能停車場(chǎng)系統(tǒng)及管理的研究[D];武漢工程大學(xué);2015年

6 刁麗芳;基于ZedBoard的車牌定位與字符識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];東北大學(xué);2014年

7 郜偉;復(fù)雜環(huán)境下車牌定位的研究與應(yīng)用[D];安徽大學(xué);2016年

8 于國(guó)輝;車輛多特征識(shí)別算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2016年

9 王文章;基于邊緣點(diǎn)檢測(cè)的車牌定位技術(shù)的研究[D];上海師范大學(xué);2016年

10 唐v炄，

本文編號(hào)：989414