论文部分内容阅读
近年来,随着机动车数量的快速增长,车型识别对于交通规划以及道路监控也越来越重要。一方面,它可以有效地划分车辆类型,实现交通分流,减少交通拥堵；另一方面,在道路视频监控中,能快速定位交通肇事车辆,大大减轻执法人员对海量交通视频信息的筛选难度。针对车型识别中,复杂的交通背景下不能准确检测出运动车辆的问题,本文结合帧间差分法和背景消去法运动目标检测方法的优点,提出了融合帧间差分法和背景消去法的运动车辆检测方法,实现了运动车辆的完整、精确检测,并在复杂场景下验证该方法仍然能准确检测出运动车辆。针对车辆特征不能完整的描述车辆类别信息的问题,本文考虑车辆的整体特征和局部特征的互补作用,将车辆的整体特征和局部特征车型作为车型识别的依据。整体特征通过改进的Canny边缘检测算子来检测车辆的边缘；局部特征是首先按照车辆关键部件对车辆分块,通过Gabor变换提取车辆各局部图像块的Gabor特征,针对Gabor特征维度过高的问题,提出了以灰关联分析对原Gabor特征优选,有效的减小后续车型识别的数据处理量,提高算法的运行速度。在最终的车型识别中,将车型分为两大类：大型车和小型车,大型车包括大型客车和卡车,小型车包括小轿车和面包车。针对稀疏表示直接以全部特征构造特征字典带来的字典维度过高,计算复杂的问题,结合车辆的整体特征和局部特征,提出了一种双层串行分类方法。第一层是以车辆的整体特征为分类依据,通过基于像素灰度相关性的图像欧式距离描述图像之间的相似度,以K近邻分类器将车辆区分为大型车与小型车。第二层是在第一层分类的基础上,以优化的局部特征为依据构造特征字典,通过稀疏表示分类器,结合重构残差和汉明距离完成车型识别。结果表明所提双层串行识别方法能准确识别车辆类型,而且在复杂场景下仍具有较强的鲁棒性。