基于視頻的車輛細(xì)節(jié)特征識(shí)別方法研究.pdf

1、車輛細(xì)節(jié)特征檢測(cè)與識(shí)別是智能交通系統(tǒng)的重要內(nèi)容，其中車牌作為車輛最為關(guān)鍵的特征，其檢測(cè)和識(shí)別有巨大的實(shí)用價(jià)值。盡管已經(jīng)有許多成熟的車牌識(shí)別系統(tǒng)面世，但大多數(shù)產(chǎn)品只能在特定場(chǎng)景下才能取得較好的識(shí)別效果，在大角度、光照不均勻、雨、雪、霧等復(fù)雜環(huán)境下仍然存車牌定位率和識(shí)別率較低的問題。本文主要解決大角度環(huán)境下車輛牌照識(shí)別所遇到的一系列難題。具體的研究?jī)?nèi)容如下：
　?。?）在車輛牌照定位階段，本文利用兩級(jí)定位算法。在粗定位階段，分別使用垂

2、直邊緣和顏色兩種特征獲取候選車輛牌照區(qū)域，對(duì)比了霍夫變換與仿射變換對(duì)傾斜和偏斜圖像的校正效果，最終選用仿射變換校正存在傾斜和偏斜的車輛牌照?qǐng)D像；在精定位階段，利用候選車牌圖像的投影特征和支持向量機(jī)二類分類算法對(duì)候選車牌圖像進(jìn)行兩次判別，準(zhǔn)確獲取真實(shí)的車牌圖像。實(shí)驗(yàn)表明，本文的車牌定位方法在大角度環(huán)境下的定位率為0.9074，在門禁卡口場(chǎng)景下的定位率為0.9462，在高速公路場(chǎng)景下的定位率為0.9500，對(duì)隨手拍攝圖像的定位率為0.959

3、5。
　?。?）在車牌字符分割階段，本文采用基于輪廓和漢字重建的方法，解決了漢字字符難以完整分割的問題，準(zhǔn)確而完整地分割出了所有車牌字符。實(shí)驗(yàn)表明，本文使用的字符分割方法其準(zhǔn)確率超過98％。
　?。?）在車牌字符識(shí)別階段，本文對(duì)比了后向傳播神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)在多種特征下的分類情況，最終聯(lián)合使用方向梯度直方圖特征和支持向量機(jī)多類分類算法，獲得了良好的識(shí)別結(jié)果。實(shí)驗(yàn)表明，本文的識(shí)別方法在大角度環(huán)境下的完全識(shí)別率為0.9184，

4、在門禁卡口場(chǎng)景下的完全識(shí)別率為0.9765，在高速公路場(chǎng)景下的完全識(shí)別率為0.9474，對(duì)隨手拍攝圖像的完全識(shí)別率為0.8795。
　?。?）最后，本文利用opencv和VS2012完成了自主設(shè)計(jì)的車輛牌照識(shí)別軟件。該軟件系統(tǒng)引入多線程處理方法，確保軟件系統(tǒng)在處理多幅圖像或者視頻文件時(shí)仍然保持活動(dòng)狀態(tài)。
　　本文采用的方法能夠有效地解決大角度環(huán)境下車牌定位率與字符識(shí)別率低的難題，同時(shí)對(duì)門禁卡口、高速公路等環(huán)境下拍攝的圖像能夠