基于視頻的車(chē)型識(shí)別中關(guān)鍵技術(shù)的應(yīng)用研究.pdf

1、智能交通系統(tǒng)已經(jīng)成為電子信息技術(shù)在交通運(yùn)輸領(lǐng)域的熱點(diǎn)研究課題。而圖像處理和模式識(shí)別技術(shù)在智能交通系統(tǒng)的應(yīng)用研究，是智能交通系統(tǒng)重要的前沿研究領(lǐng)域，具有極其重要的理論和應(yīng)用價(jià)值。隨著視頻設(shè)備在交通系統(tǒng)中的大量普及，結(jié)合視頻設(shè)備，獲取更多的交通數(shù)據(jù)，提高設(shè)備利用率成為當(dāng)前國(guó)內(nèi)外研究的一個(gè)重要課題。同時(shí)，也是為了克服傳統(tǒng)的運(yùn)動(dòng)車(chē)輛檢測(cè)和人工識(shí)別車(chē)輛的諸多缺點(diǎn)的影響，如效率低下、準(zhǔn)確度不高、維修安裝困難等，所以開(kāi)展了本課題的研究。 基于

2、視頻的車(chē)型識(shí)別系統(tǒng)利用數(shù)字圖像處理與計(jì)算機(jī)視覺(jué)相結(jié)合的方法，獲得智能交通系統(tǒng)所需要的信息。它是對(duì)特定地點(diǎn)和時(shí)間段內(nèi)的車(chē)流信息進(jìn)行采集、識(shí)別和分類(lèi)，把得到的交通流數(shù)據(jù)作為交通管理、收費(fèi)、調(diào)度、統(tǒng)計(jì)的依據(jù)。 本文基于圖像處理和模式識(shí)別的研究現(xiàn)狀，在深入研究了已有的運(yùn)動(dòng)目標(biāo)檢測(cè)算法和模式識(shí)別方法及相關(guān)理論的基礎(chǔ)上，以普通監(jiān)控用攝像頭同步拍攝的運(yùn)動(dòng)車(chē)輛圖像序列為研究對(duì)象，對(duì)基于視頻圖像的車(chē)輛識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)--運(yùn)動(dòng)車(chē)輛檢測(cè)和目標(biāo)車(chē)輛

3、的識(shí)別進(jìn)行了全面地介紹，著重研究了運(yùn)動(dòng)目標(biāo)檢測(cè)算法、圖像分割算法、識(shí)別特征提取和識(shí)別方法等。 本文分析了不同拍攝角度拍攝到的視頻圖像對(duì)檢測(cè)和識(shí)別的影響，介紹了圖像處理中最基本的操作，膨脹、腐蝕、開(kāi)、閉等操作，重點(diǎn)論述了連通域標(biāo)記方法，并給出了一種基于輪廓跟蹤的連通域標(biāo)記算法。 在視頻圖像獲取過(guò)程中，攝像機(jī)輕微抖動(dòng)、天氣引起的光線(xiàn)變化等外界環(huán)境會(huì)影響運(yùn)動(dòng)目標(biāo)的檢測(cè)精度，針對(duì)這一問(wèn)題，本文提出了一種基于高斯平均的背景更新算法

4、，能較好地抑制外界環(huán)境變化帶來(lái)的影響，并具有較好的實(shí)時(shí)性。文中采用了基于虛擬檢測(cè)線(xiàn)框的運(yùn)動(dòng)車(chē)輛檢測(cè)算法，并對(duì)傳統(tǒng)的該算法做了改進(jìn)。 車(chē)型識(shí)別部分，本文以車(chē)輛的正側(cè)面為研究對(duì)象，以輪廓的整體形狀作為識(shí)別特征，提出了一種是基于輪廓形狀特征的車(chē)型分類(lèi)識(shí)別方法，該算法通過(guò)長(zhǎng)寬比、拉長(zhǎng)度、矩形度、圓形度等車(chē)輛輪廓形態(tài)的七個(gè)特征分量構(gòu)成一個(gè)特征向量組，再以最近鄰法作為依據(jù)實(shí)現(xiàn)車(chē)型的識(shí)別分類(lèi)，取得了較為理想的效果。 本文以VC++6.