基于局部特征的車(chē)輛識(shí)別

1、申請(qǐng)上海交通大學(xué)碩士學(xué)位論文基于局部特征的車(chē)輛識(shí)別基于局部特征的車(chē)輛識(shí)別學(xué)校：上海交通大學(xué)院系：系：電子信息與電氣工程學(xué)院班級(jí)：級(jí)：B0703293學(xué)號(hào)：號(hào)：1070329154工程碩士生工程碩士生：黃燦工程領(lǐng)域：工程領(lǐng)域：模式識(shí)別與智能系統(tǒng)導(dǎo)師Ⅰ：王利生（副教授）導(dǎo)師Ⅱ：上海交通大學(xué)電子信息與電氣工程學(xué)院上海交通大學(xué)電子信息與電氣工程學(xué)院20102010年2月上海交通大學(xué)工學(xué)碩士學(xué)位論文摘要第I頁(yè)基于局部特征的車(chē)輛識(shí)別基于局部特征的車(chē)

2、輛識(shí)別摘要汽車(chē)的自動(dòng)識(shí)別在現(xiàn)實(shí)世界中的有著廣泛的應(yīng)用，比如公眾安全，智能車(chē)輛，交通監(jiān)測(cè)和停車(chē)場(chǎng)的收費(fèi)管理等。但由于車(chē)輛圖片的背景十分復(fù)雜，而且車(chē)輛類(lèi)型眾多，所以車(chē)輛識(shí)別一直是一個(gè)比較難的問(wèn)題。因此，本文對(duì)車(chē)輛識(shí)別展開(kāi)了深入的研究。在本文中，提出了一種自動(dòng)檢測(cè)和識(shí)別汽車(chē)類(lèi)型的方法。該方法分為二個(gè)階段，首先，用Adaboost的學(xué)習(xí)算法檢測(cè)圖片中是否有正面的汽車(chē)并得到車(chē)輛的頭部區(qū)域提取車(chē)頭區(qū)域是確保接下來(lái)特征匹配階段只在車(chē)頭部分進(jìn)行，而不會(huì)

3、跟背景中的特征相匹配。第二，對(duì)車(chē)輛頭部區(qū)域，提取局部特征（SURF或者SIFT），與數(shù)據(jù)庫(kù)中的車(chē)輛圖像相匹配，其中每種類(lèi)型的車(chē)輛都只有一幅標(biāo)本圖像。然后跟據(jù)局部特征匹配的數(shù)目多少來(lái)判斷車(chē)輛的類(lèi)型，即最多匹配數(shù)目的車(chē)輛為所識(shí)別的結(jié)果。我們對(duì)八百多幅圖片進(jìn)行測(cè)試，其中包含48個(gè)不同類(lèi)型的汽車(chē)，利用SIFT局部特征得到的識(shí)別率是75.47%，利用SURF局部特征得到的正確識(shí)別率是78.03%。另外還用Gab濾波來(lái)分析汽車(chē)排氣孔區(qū)域的紋理特征，