本文關(guān)鍵詞：車輛信息識別系統(tǒng)設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：車輛信息識別是隨著車輛迅速增加和計算機視覺智能交通(Intelligent Transportation System,ITS)的發(fā)展而產(chǎn)生的一個基于實際需求的模式識別課題。車輛的增多使得交通堵塞、交通違章、套牌車和無牌車等問題日益嚴(yán)重。車牌識別作為智能交通的先驅(qū)產(chǎn)品雖然非常成熟并得到了廣泛的應(yīng)用,但面對套牌、無牌等交通問題時顯得束手無策。因此,本文提出了對車輛本身的信息進行識別來解決這類問題,包括車型和車身顏色這兩種主要的車輛信息。其中,車型信息是指識別車輛屬于那一種品牌型號。本文研究的車輛信息識別主要包含六個部分:樣本圖像預(yù)處理、車臉格柵(vehicle grille)提取、車身顏色識別區(qū)域提取、特征提取和降維、車型識別、車身顏色識別,并深入開展了以下四個方面的工作。(1)處理車輛圖像,優(yōu)先利用車牌位置信息定位車臉格柵帶(vehicle grille bar),當(dāng)無法確定車牌位置信息時,改進百分比閾值二值化算法,先定位車臉格柵帶,然后采用灰度圖像梯度投影方法從車臉格柵帶中精確定位車臉格柵。(2)對常用的紋理特征進行了詳細分析和比較,并提出利用梯度方向直方圖(Histogram of Oriented Gradient,HOG)+Gabor小波變換的融合特征作為車臉格柵的圖像描述子。同時對融合特征采用局部保留投影(Locality Preserving Projection,LPP)算法進行降維。(3)選取基于分類錯誤概率最小或損失風(fēng)險最小的樸素貝葉斯模型作為車型識別的分類器,使得車型的最終識別率達到92.88%。(4)通過比較四種顏色空間模型的車身顏色識別效果,改進了識別效果最好的HSV顏色空間的顏色量化模板和顏色判定規(guī)則,將車身顏色的最終識別率提高到88.73%。最終在VC++2010的編程環(huán)境下,開發(fā)了車輛信息識別系統(tǒng)。實驗數(shù)據(jù)表明,該系統(tǒng)對車型與車身顏色具有較好的識別效果。
【關(guān)鍵詞】：車型識別 車臉格柵定位 融合特征 貝葉斯模型 顏色識別
【學(xué)位授予單位】：遼寧工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-15
• 1.1 論文的研究背景與選題意義9-11
• 1.1.1 模式識別與智能交通10
• 1.1.2 套牌車、無牌車和車牌故意遮擋等問題10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 車型分類的研究現(xiàn)狀11-12
• 1.2.2 車身顏色識別的研究現(xiàn)狀12-13
• 1.3 論文的主要內(nèi)容及結(jié)構(gòu)安排13-15
• 2 車輛圖像樣本與預(yù)處理15-20
• 2.1 樣本圖像要求與樣本庫制作15-17
• 2.2 車輛圖像預(yù)處理17-19
• 2.2.1 圖像灰度化17-18
• 2.2.2 形態(tài)學(xué)處理18-19
• 2.2.3 連通域檢測19
• 2.3 本章小結(jié)19-20
• 3 車臉格柵的定位與提取20-35
• 3.1 車牌定位研究20-23
• 3.1.1 車牌上下邊界定位21-23
• 3.1.2 車牌左右邊界定位23
• 3.2 車輛圖像車臉格柵帶定位23-27
• 3.3 車臉格柵區(qū)域定位27-34
• 3.3.1 車臉格柵左右邊界定位27-32
• 3.3.2 波峰區(qū)域篩選32-34
• 3.3.3 車臉格柵精確提取34
• 3.4 本章小結(jié)34-35
• 4 車臉格柵圖像的特征提取與車型分類35-48
• 4.1 車臉格柵圖像歸一化35-36
• 4.2 特征提取及改進36-41
• 4.2.1 Canny邊緣檢測特征36-37
• 4.2.2 HOG方向梯度直方圖特征37-38
• 4.2.3 LBP特征38-39
• 4.2.4 Gabor小波變換特征39-40
• 4.2.5 融合特征40-41
• 4.3 圖像特征的壓縮降維41-42
• 4.3.1 主元分析法41-42
• 4.3.2 LPP局部保留投影降維42
• 4.4 基于概率統(tǒng)計的Bayes車型分類算法42-47
• 4.4.1 統(tǒng)計模式識別42-43
• 4.4.2 貝葉斯分類模型43-45
• 4.4.3 實驗數(shù)據(jù)和實驗結(jié)果45-47
• 4.5 本章小結(jié)47-48
• 5 車身顏色識別48-56
• 5.1 顏色識別區(qū)域提取48-49
• 5.2 顏色空間轉(zhuǎn)化49-52
• 5.2.1 RGB顏色空間49-50
• 5.2.2 HSV顏色空間50-51
• 5.2.3 YUV顏色空間51
• 5.2.4 CIELab顏色空間51-52
• 5.3 改進的顏色量化模板和判斷規(guī)則52-54
• 5.3.1 改進的HSV顏色量化模板52-53
• 5.3.2 改進的顏色判斷規(guī)則53-54
• 5.4 實驗結(jié)果54-55
• 5.5 本章小結(jié)55-56
• 6 車輛信息識別系統(tǒng)實現(xiàn)56-60
• 6.1 系統(tǒng)實現(xiàn)方案56-57
• 6.2 系統(tǒng)運行界面57-58
• 6.3 系統(tǒng)實驗結(jié)果分析58-59
• 6.4 本章小結(jié)59-60
• 7 總結(jié)與展望60-62
• 7.1 總結(jié)60
• 7.2 展望60-62
• 參考文獻62-65
• 攻讀碩士期間發(fā)表學(xué)術(shù)論文情況65-66
• 致謝66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁志勇,查桂峰,陳綿云,張仁宏;基于反對稱小波的車型識別研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2005年06期

2 袁志勇,查桂峰,陳綿云;基于聚類的二級模糊綜合評判的車型識別研究[J];計算機工程與應(yīng)用;2005年12期

3 運國蓮;陳啟美;丁勝軍;;基于非完備貝葉斯網(wǎng)絡(luò)的車型識別方法[J];交通與計算機;2006年01期

4 賈永濤;張帆;;車型識別專家系統(tǒng)的設(shè)計[J];計算機測量與控制;2006年04期

5 張寧;施毅;何鐵軍;;基于虛擬線圈的車型識別研究[J];交通與計算機;2008年01期

6 顏卓旺;;基于歷史數(shù)據(jù)的車型識別方案[J];中國交通信息化;2012年03期

7 袁愛龍;陳懷新;吳云峰;;基于尺度顯著性算法的車型識別方法[J];微型機與應(yīng)用;2012年15期

8 華莉琴;許維;王拓;馬瑞芳;胥博;;采用改進的尺度不變特征轉(zhuǎn)換及多視角模型對車型識別[J];西安交通大學(xué)學(xué)報;2013年04期

9 劉玉銘,白明;一種基于模糊模式識別方法的車型識別儀[J];公路交通科技;2000年01期

10 張海峰,段穎妮;道橋收費站車型識別技術(shù)[J];現(xiàn)代電子技術(shù);2001年09期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 韓冬梅;呂芳;;智能交通系統(tǒng)中車型識別的軟件設(shè)計與實現(xiàn)[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 王超;劉翠響;;視頻圖像中車輛的車型識別算法研究與實現(xiàn)[A];第二十七屆中國（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2013年

3 鄧天民;邵毅明;崔建江;;一種車型識別算法及其應(yīng)用[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

4 張全元;戴光明;陳良;;一種新的基于實時視頻流的車型識別算法[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

5 張大奇;曲仕茹;劉真崢;;基于環(huán)投影小波分形特征的車型自動識別方案[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

6 趙天青;梁旭斌;許學(xué)忠;蔡宗義;張敏;;車型識別中聽覺特征提取算法的研究[A];第三屆上�！靼猜晫W(xué)學(xué)會學(xué)術(shù)會議論文集[C];2013年

7 劉直芳;游健;王運瓊;游志勝;;運動汽車投影陰影分割算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 胡耀民;基于視頻的車型識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄧柳;基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識別[D];西南交通大學(xué);2015年

2 張明貴;道路車輛的車型識別方法研究[D];貴州民族大學(xué);2015年

3 涂文華;基于數(shù)據(jù)融合的交通物聯(lián)網(wǎng)感知節(jié)點研究與應(yīng)用[D];南昌大學(xué);2015年

4 劉超;多姿態(tài)車型識別算法設(shè)計及應(yīng)用研究[D];電子科技大學(xué);2014年

5 王欣;基于小波分析的車型自動識別系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

6 凌永國;基于卡口圖像車型識別的研究[D];廣西師范大學(xué);2015年

7 張海彬;基于卡口圖像的車型識別方法研究[D];合肥工業(yè)大學(xué);2015年

8 萬青英;面向眾核平臺的車輛識別技術(shù)研究[D];河北科技大學(xué);2015年

9 胡焯源;車輛信息識別系統(tǒng)設(shè)計與實現(xiàn)[D];遼寧工業(yè)大學(xué);2016年

10 劉波;車輛音頻特征分析及車型識別研究[D];武漢理工大學(xué);2007年

  本文關(guān)鍵詞：車輛信息識別系統(tǒng)設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：347512