基于圖像配準(zhǔn)的車(chē)標(biāo)識(shí)別算法研究.pdf

1、在智能交通系統(tǒng)(ITS)中，車(chē)輛特征檢測(cè)包括車(chē)牌檢測(cè)、車(chē)標(biāo)檢測(cè)、車(chē)型和車(chē)臉檢測(cè)。目前，車(chē)牌識(shí)別技術(shù)已經(jīng)在各個(gè)國(guó)家發(fā)展地相當(dāng)成熟，并且已經(jīng)投入廣泛的應(yīng)用。車(chē)標(biāo)識(shí)別作為智能交通系統(tǒng)(ITS)的一項(xiàng)重要研究領(lǐng)域，可以輔助車(chē)牌識(shí)別進(jìn)行各種道路布控、停車(chē)場(chǎng)管理、高速公路電子收費(fèi)等。它對(duì)于科技的進(jìn)步和經(jīng)濟(jì)的發(fā)展有著重要的意義。
　　隨著計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)的不斷發(fā)展，以圖像理解為基礎(chǔ)的智能交通系統(tǒng)逐步得到實(shí)際應(yīng)用。計(jì)算機(jī)視覺(jué)通過(guò)計(jì)算機(jī)來(lái)模

2、擬人眼視覺(jué)，提取圖像中的有用信息，并對(duì)提取到的信息進(jìn)行處理和理解，從而實(shí)現(xiàn)系統(tǒng)的實(shí)際檢測(cè)、控制和測(cè)量等功能。作為智能交通系統(tǒng)(ITS)的一個(gè)具體應(yīng)用，圖像處理技術(shù)在智能交通系統(tǒng)(ITS)中的應(yīng)用領(lǐng)域非常廣闊。
　　本文主要針對(duì)智能交通系統(tǒng)中的車(chē)標(biāo)識(shí)別技術(shù)展開(kāi)研究和探討。算法總體分為三部分:圖像預(yù)處理，車(chē)標(biāo)定位，車(chē)標(biāo)識(shí)別。其中車(chē)標(biāo)定位部分是整個(gè)流程的關(guān)鍵階段，包括粗定位和精定位。它利用車(chē)牌與車(chē)標(biāo)相對(duì)位置的先驗(yàn)知識(shí)確定車(chē)標(biāo)所在的大致區(qū)

3、域，然后使用Sobel算子邊緣檢測(cè)得到車(chē)標(biāo)的輪廓，采用大津法(OTSU)對(duì)輪廓圖進(jìn)行二值化，通過(guò)計(jì)算二值圖中前景像素的占比判斷車(chē)標(biāo)周?chē)蓴_條紋的類(lèi)型。接著對(duì)車(chē)標(biāo)二值圖進(jìn)行形態(tài)學(xué)濾波得到滿足一定條件的聯(lián)通域。最后對(duì)連通域進(jìn)行垂直水平投影，通過(guò)設(shè)定像素個(gè)數(shù)閾值得到車(chē)標(biāo)的上下左右邊界，從而對(duì)車(chē)標(biāo)精確定位;而基于特征描述匹配的車(chē)標(biāo)識(shí)別，大致分為特征點(diǎn)檢測(cè)、特征描述和特征匹配三個(gè)階段，它首先建立模板圖像庫(kù)，然后對(duì)待識(shí)別車(chē)標(biāo)和所有的模板圖像提取尺度

4、不變特征變換SIFT(Scale-invariant FeatureTransform)特征點(diǎn)，再使用本文改進(jìn)的快速視網(wǎng)膜特征FREAK(Fast RetinaKeypoint)描述子進(jìn)行特征點(diǎn)描述，通過(guò)計(jì)算模板和待識(shí)別車(chē)標(biāo)描述向量之間的距離，使用最近鄰匹配結(jié)合最近鄰和次近鄰的比值以及RANSAC方法進(jìn)行快速匹配和優(yōu)化，實(shí)現(xiàn)車(chē)標(biāo)的配準(zhǔn)識(shí)別。
　　本文在車(chē)標(biāo)定位階段，加入了Sobel算子±45°方向卷積，通過(guò)判定車(chē)標(biāo)的紋理類(lèi)型進(jìn)行不

5、同方向的梯度卷積，在提取車(chē)標(biāo)邊緣的同時(shí)濾除周?chē)母蓴_條紋;在車(chē)標(biāo)識(shí)別階段，提出了SIFT特征點(diǎn)檢測(cè)和FREAK特征描述相結(jié)合的方法，不僅能夠獲得較多的車(chē)標(biāo)特征信息，還使特征描述和匹配的時(shí)間大大縮短;對(duì)原有FREAK算法添加長(zhǎng)距離點(diǎn)對(duì)，設(shè)定閾值Dmin，只利用關(guān)鍵點(diǎn)采樣模式中距離較遠(yuǎn)的點(diǎn)來(lái)生成特征點(diǎn)的角度信息，這樣算法更適用于車(chē)標(biāo)旋轉(zhuǎn)尺度變化較大的環(huán)境;對(duì)Hamming距離進(jìn)行加權(quán)。對(duì)每一個(gè)關(guān)鍵點(diǎn)，在為了生成描述子選擇點(diǎn)對(duì)時(shí)，對(duì)訓(xùn)練數(shù)據(jù)(