視頻圖像目標車輛搜索系統(tǒng)研究.pdf

1、交通監(jiān)控當前已得到廣泛應(yīng)用，為交通監(jiān)管帶來便捷。涉及車輛的刑事案件追查，如對交通肇事車輛、被盜竊車輛的追查等，耗費大量的人力物力?；诒O(jiān)控視頻的智能搜索將在這一領(lǐng)域發(fā)揮巨大的潛能。本論文從這一應(yīng)用出發(fā)，研究視頻圖像的運動物體分割，特征提取，以及分類識別等相關(guān)課題。設(shè)計開發(fā)出基于視頻監(jiān)控圖像的目標車輛搜索系統(tǒng)。
　　 本論文研究內(nèi)容涉及視頻圖像處理，模式識別和人工智能諸多課題。文中對數(shù)字圖像處理一些方法進行了討論，包括分割算法，直

2、方圖統(tǒng)計，腐蝕與膨脹，斑塊統(tǒng)計等。
　　 視頻序列圖像運動物體分割方法多樣，論文采用背景差分方法分割圖像，重點討論了背景更新模型，對中值濾波背景模型、自適應(yīng)背景模型、高斯背景模型進行論述，并討論了背景模型的更新策略。研究提出了基于HSI彩色模型的陰影消除算法與自適應(yīng)背景更新模型的改進算法。在車輛的模式特征提取方面，論文從系統(tǒng)需要出發(fā)，對車型、顏色、車牌進行了既有聯(lián)系又有區(qū)別的處理。針對顏色識別提出基于HSI模型量化識別方法，并對

3、算法的實現(xiàn)進行改進和優(yōu)化。車型識別采用頂長、項高、前后比特征模式，特征提取采用投影直方圖方法，對閾值的選取提出自適應(yīng)閾值更新算法，便捷有效。
　　 分類識別原理與方法是論文研究的又一重點，詳細討論了神經(jīng)網(wǎng)絡(luò)BP算法，分別應(yīng)用于車型與車牌字符的識別，針對車牌識別的復(fù)雜情況，設(shè)計了三個分類器，以降低算法的復(fù)雜度，對字符學(xué)習算法使用帶沖量項的改進算法，提高系統(tǒng)學(xué)習的效率。
　　 系統(tǒng)實現(xiàn)了圖像預(yù)處理、車輛分割、車型識別、顏色識