基于屬性的車輛檢索算法研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，人們生活水平的提高，道路上機(jī)動(dòng)車的數(shù)量也在急劇增長(zhǎng)，這就引起了交通違章、肇事等事件的頻繁發(fā)生，給人們的出行帶來(lái)了嚴(yán)重的安全隱患。車輛檢索技術(shù)是指從視頻中檢索出指定車輛的技術(shù)，它是智能交通系統(tǒng)的重要組成部分，對(duì)增強(qiáng)道路安全、追查違章肇事車輛起到了非常重要的作用。
　　本文的目的是研究從視頻中檢索出車輛的方法。檢索方法有兩種:一種是離線提取車輛的屬性信息，并以此作為關(guān)鍵字存儲(chǔ)，然后根據(jù)描述車輛屬性的文本信息進(jìn)行檢索;另

2、一種是離線提取車輛的局部特征信息，根據(jù)輸入車輛圖像提取局部特征進(jìn)行檢索。本文對(duì)這兩種檢索方式進(jìn)行了研究，主要工作包括:
　　(1)給出了結(jié)合快速主分量尋蹤與Adaboost分類器的車輛檢測(cè)算法
　　針對(duì)采集的視頻，成像環(huán)境復(fù)雜，易導(dǎo)致錯(cuò)誤檢測(cè)車輛的問(wèn)題，給出了結(jié)合快速主分量尋蹤與Adaboost分類器的車輛檢測(cè)算法。通過(guò)快速主分量尋蹤算法對(duì)固定攝像頭拍攝的視頻進(jìn)行背景建模，利用背景差分原理對(duì)得到的前景圖進(jìn)行Adaboost分

3、類器車輛檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該算法能夠很好地檢測(cè)出車輛，對(duì)復(fù)雜背景具有強(qiáng)魯棒性，檢測(cè)準(zhǔn)確率為99.25％。
　　(2)給出了基于光照不變性的車輛顏色識(shí)別算法
　　針對(duì)車輛視頻中光照情況復(fù)雜多變，導(dǎo)致車輛顏色難以識(shí)別的問(wèn)題，給出了基于光照不變性的車輛顏色識(shí)別算法。首先通過(guò)分析光照的影響，構(gòu)建顏色特征;再將車輛圖像重疊分塊，提取各塊的顏色特征，然后進(jìn)行徑向基編碼，進(jìn)而進(jìn)行特征上下文的提取;最后通過(guò)訓(xùn)練好的SVM分類器對(duì)車輛特征進(jìn)

4、行分類，從而實(shí)現(xiàn)對(duì)車輛顏色進(jìn)行識(shí)別的目的。實(shí)驗(yàn)結(jié)果表明，該算法在各種光照情況下都具有較高的車輛顏色識(shí)別率，識(shí)別率為93.90％。
　　(3)給出了基于改進(jìn)的梯度方向直方圖與SVM結(jié)合的車標(biāo)識(shí)別算法
　　針對(duì)目前基于多數(shù)表決方法存在的誤識(shí)問(wèn)題，以及未被訓(xùn)練車標(biāo)也存在錯(cuò)誤識(shí)別的情況，給出了基于改進(jìn)的梯度方向直方圖與SVM結(jié)合的車標(biāo)識(shí)別算法。首先提取訓(xùn)練圖像集（車標(biāo)圖像和背景圖像）的梯度方向直方圖特征進(jìn)行SVM模型訓(xùn)練，然后對(duì)待識(shí)

5、別圖像通過(guò)精確定位車牌和車標(biāo)與車牌位置關(guān)系的先驗(yàn)知識(shí)得到車標(biāo)的感興趣區(qū)域，在車標(biāo)感興趣區(qū)域內(nèi)進(jìn)行多尺度滑動(dòng)窗口的掃描，對(duì)窗口進(jìn)行SVM模型預(yù)測(cè)。利用預(yù)測(cè)的置信度進(jìn)行車標(biāo)類別的識(shí)別，同時(shí)對(duì)未在車標(biāo)訓(xùn)練庫(kù)中的車標(biāo)進(jìn)行拒識(shí)別。實(shí)驗(yàn)結(jié)果表明，該改進(jìn)后的算法比多數(shù)表決的方法大大提高識(shí)別率，同時(shí)能夠?qū)崿F(xiàn)拒識(shí)別功能，該算法對(duì)圖像模糊、遮擋、殘缺以及光照影響的情況下具有一定的魯棒性，識(shí)別率為93.34％，正確拒識(shí)別率為90.11％。
　　(4)給

6、出了基于顏色信息與傅立葉梅林變換的車輛檢索算法
　　針對(duì)車身顏色、車標(biāo)及車型極為相似的車輛的誤檢索問(wèn)題，給出了基于顏色信息與傅立葉梅林變換的車輛檢索算法。首先對(duì)待檢圖像進(jìn)行顏色識(shí)別，從圖像庫(kù)中篩選出同種顏色的車輛形成候選集，然后在其中用車標(biāo)（包含散熱網(wǎng)）與車燈的感性區(qū)域的傅立葉梅林變換特征的相似性進(jìn)行檢索。實(shí)驗(yàn)結(jié)果表明，該算法大大降低時(shí)間復(fù)雜度以及錯(cuò)誤檢索率，對(duì)光照、噪聲等常見(jiàn)干擾具有很好的魯棒性，其在前1％、5％的查全率和平均準(zhǔn)

7、確率分別為76.63％、91.33％和62.23％、64.51％。
　　在實(shí)際拍攝的10段視頻與網(wǎng)上提供的測(cè)試數(shù)據(jù)庫(kù)上的綜合實(shí)驗(yàn)表明:本文給出的算法取得了較好的效果，其中基于顏色的車輛檢索的準(zhǔn)確率與召回率分別為93.90％、93.90％;基于車標(biāo)的車輛檢索的準(zhǔn)確率與召回率分別為:93.34％、92.99％;車輛檢索輸入為顏色與車標(biāo)結(jié)合時(shí)的準(zhǔn)確率與召回率分別為:88.17％、87.50％;基于內(nèi)容的車輛檢索前1％的查全率與平均準(zhǔn)確率