论文部分内容阅读
城市交通监控系统是目前智能交通系统的一个重要分支，同时交通监管作为城市交通智能化发展的核心功能，在交通领域和模式识别方向都有着不可替代的位置。随着人民生活水平的不断提高带动机动车辆的不断增加，尤其是私人机动车的保有量更是呈现迅猛增长的态势，这种情况势必会引发一系列的交通问题。交通事故的不断增多、交通违章情况的加重都给我们带来了严峻的考验，这些问题的出现充分暴露了交通机关在管理上的问题和漏洞，由于现实情况的束缚不可能对所有城市中的全部路段和路口进行24小时的全方位人力监控，为了解决这个问题就要借助科技的力量，利用机器视觉技术和图像处理技术相结合的方式，搭建一套智能化的交通监管系统，对车辆车牌、车辆车标、车辆车型进行准确检测和正确识别。目前相对成熟的车辆识别技术有很多种，在主要的发达国家的各个收费系统中，已经不再是用停车收费这种笨拙又繁琐的缴费方式了，通过利用车载设备与地面基站设备互相识别的方式，提高了收费站的收费效率。另外一种比较常见的方式是通过车辆本身固有的参数进行检测，这种在一定车辆分类标准下运用适当的分类算法并借助于微波、激光、红光、声表面波等方式来识别车辆信息的方法叫做车辆自动分类，这种方式由于相对方便，因此被广泛应用在日常生活中。针对这种方式衍生出来的方法有地磁检测、微波检测、激光红外线检测、超声波检测、环形线圈检测等，这种方式虽然识别的准确率比较高，但是由于其安装过程相对复杂，施工设备受环境影响也极易被破坏，造成费用开支庞大，严重时会导致交通系统瘫痪。本文以当前较为先进的模式识别理论和图像技术为基础，利用目前在图形图像领域比较成熟和先进的识别技术对车辆的车标和车型进行识别，考虑到实际的生活需要，将具体的车辆识别拆分成两个主体，一是车标的定位和识别，并且准确将车辆按照车标信息分类，二是对车型的识别，在已经确定车辆所属厂商后、准确识别出车辆是该厂商的那一款具体型号。最后根据车辆识别的特点将系统移植到Android平台上，通过在Android平台上对捕获到的图像进行识别和分类，表明该方法能够正确应用在移动设备上，这对车辆识别的智能化有着积极的意义。在对车标的识别过程中，首先研究了基于图像汽车车标的定位方法，我们采用背景消除法检测出车辆图像，根据车标与车牌的位置关系对车标进行粗略定位，并经过边缘强度判断和形态学分析得到车标的精确区域。接着，根据不同品牌车标的纹理先验知识，提取车标的SIFT特征描述子进入BP神经网络进行车标分类识别，最后使用两级BP神经网络：预测网络和验证网络完成车标识别的目的。本文选取了大量的车标进行识别，通过实验表明该算法具有较高的识别率并且对光照和噪声有很强的鲁棒性。在车型识别阶段为了克服同一品牌汽车车型变化较小这一特点给车型识别带来的困难，本文借鉴了近年来在目标检测研究中应用较多的梯度方向直方图技术，同时为了提高车辆图像的整体识别效率，提出了利用支持向量机的理论进行车型识别的方法。基于直方图确定的图像特征具有平移、旋转和尺度不变性，这就可以用来确定SVM的最优分类面，并由此识别车型。实验效果证明，选择SVM作为车型识别的分类器不但提高了识别效率，同时降低了分类时间。最后将对车标和车型的识别结果应用在智能移动终端设备上，通过对实际车辆图片的测试和识别证明系统可以满足用户的需求，在各种天气和复杂环境背景下都可以以一定正确率识别到车辆的标志和型号。