视频图像中车辆的车型识别算法研究与实现

毕业设计说明书作者：学号：系：信息工程系专业：电子信息工程题目：视频图像中车辆的车型识别算法研究与实现指导者：评阅者：2013年6月1日毕业设计（论文）中文摘要视频图像中车辆的车型识别算法研究与实现摘要：主成分分析)(PCA法是一种常用的车型识别方法，该方法通过对视频进行分帧后，提取彩色图像进行预处理，主要包括灰度图像变换、图像平滑、图像分割、图像横向填充与纵向填充，再进行特征提取和特征识别（即判别车型）。预处理阶段的图像分割效果直接关系到特征提取和车型判别结果的准确性，该课题对图像进行分割采用了两种不同方法：灰度阈值分割法和图像背景差值法。在把待识别车辆抽象成“工”字型的前提下，提取待识别车辆的顶长比、顶高比、前后比来进行车型的判别。该课题应用两种方法对车型不同、背景不同和车辆位置不同的图像进行验证，经过分析比较发现，基于不同图像分割方法的两种车型识别技术各有优缺点，但在实际应用中与基于灰度阈值分割法的车型识别技术相比，基于图像背景差值法的车型识别技术要更加快捷、准确。关键词：灰度变换灰度阈值分割背景差值特征提取车型判别毕业设计（论文）外文摘要TitleVideoImagesintheResearchandImplementationofVehicleModelRecognitionAlgorithmAbstractPrincipalcomponentanalysis(PCA)methodisacommonlyusedmodelidentificationmethod,themethodisbasedonthevideoframed,thenextractingthecolorimageforpreprocessing,whichincludesgrayimagetransformation,imagesmoothing,imagesegmentation,imagetransversefillingandverticalfilling,atlastextractingfeaturesandmatchingfeatures(namelymodelidentification).Theeffectofimagesegmentationisdirectlyrelatedtotheaccuracyoftheresult,thesubjectofimagesegmentationusestwodifferentmethods:gray-levelthresholdsegmentationmethodandimagebackgrounddifferencemethod.Stayinthepremiseofvehicleabstractionintothepremiseofworkword,extractedtodrawthetoplongthan,peakheightratio,beforeandafterthanformodelidentification.Thesubjectusestwomethodstocheckmodelsofdifferenttypes,differentbackgroundsanddifferentlocations,afteranalysisandcomparison,foundthattwomodelidentificationtechniquebasedondifferentkindsofimagesegmentationmethodshasitsadvantagesanddisadvantages,butinpracticalapplication,comparedtomodelidentificationtechniquebasedongray-levelthresholdsegmentationmethod,backgrounddifferencemethodbasedonimageofmodelidentificationtechniqueismoreefficientandaccurate.Keywords：Gray-scaletransformation,Gray-levelthresholdsegmentation,Backgrounddifference,Featureextraction,Modeldiscrimination目次1绪论………………………………………………………………………………11.1课题的研究背景和意义………………………………………………………11.2课题的研究现状………………………………………………………………21.3本文的基本内容和组织结构…………………………………………………32车型识别系统简介………………………………………………………………42.1预处理…………………………………………………………………………42.2特征提取………………………………………………………………………42.3特征匹配………………………………………………………………………43基于灰度阈值分割法的车型识别………………………………………………63.1介绍各模块设计………………………………………………………………63.1.1预处理模块……………………………………………………………63.1.2特征提取模块……………………………………………………………73.1.3特征匹配模块……………………………………………………………73.2运行结果………………………………………………………………………83.3结果分析……………………………………………………………………114基于图像背景差值法的车型识别……………………………………………134.1介绍各模块设计……………………………………………………………134.1.1预处理模块……………………………………………………………134.1.2特征提取模块…………………………………………………………144.1.3特征匹配模块…………………………………………………………144.2运行结果……………………………………………………………………154.3结果分析……………………………………………………………………294.4结果对比……………………………………………………………………30结论………………………………………………………………………………32参考文献…………………………………………………………………………34致谢………………………………………………………………………………35-1-1绪论车型识别的目的是对待识别车辆进行车型的判别（该课题将车型分为轿车、货车、客车三类），它是通过分析比较待识别车辆侧面视觉特征信息实现的，主要借助于计算机技术的应用，车型识别技术是一种轮廓特征识别技术，是用待识别车辆的侧视轮廓特征来判别所属车型。车辆的侧视轮廓特征主要抽象为车顶长度、车辆高度和车身长度，依此可求得待识别车辆的顶长比、顶高比和前后比（车顶中垂线将车身长分得两部分的比值），而通过统计计算可求得三类车型（轿车、货车、客车）的特征值（顶长比、顶高比、前后比）的范围，将提取的待识别车辆的特征值与统计值相比较可实现对待识别车辆的车型判别[1]。1.1课题的研究背景和意义中国正处在一个快速发展的时期，各种车型车辆数量也在持续上升，使得我国城市交通越来越拥挤，人们需要借助一种交通智能化系统来提高交通情况监控的实时性和交通管理的自动化程度，这也为智能交通系统的产生提供了条件。在我国的一些大城市正在逐步提高交通管理的智能化，主要体现在实现高速公路的快捷收费、公共场所车辆监控自动化加强等方面，我们对交通管理智能化的需求日益增加，这将带动智能交通系统的不断发展。人们对车型识别的研究虽然已有很长一段时间，但仍有许多难题仍未解决，首先，车辆的颜色、光泽度等都会随着时间的推移和环境的改变而发生变化，而且即使是同一车辆在录入镜头时的形状、大小也各不同，这主要与位置和速度的随机性有关；第二，车辆录入镜头的外观状态还与摄像头位置、临近的物体或临近的车辆对待识别车辆的遮挡程度有关；第三，车型识别的准确性和快捷性还与光照情况的改变、天气季节的交替及背景图像的不断变化紧密相关。因此现在的车型识别技术还远不能满足当代大城市交通智能化管理的需求，我们仍需对车型识别技术进行改进以满足准确性和使用性上的要求。目前已经解决交通智能管理的大部分关键技术，但是部分细节方面仍然存在不足，准确性不高就是其中的一方面。交通智能管理的关键技术包括车型判别，希冀借-2-助本课题的研究能促进智能交通系统的发展，使信号灯指挥通行、车辆数量统计、公共场所车辆无人收费、公路状况监控等方面更具可操控性。就目前而言，在交通智能管理方面我国与发达国家仍有很大差距，故该课题的研究对交通智能管理具有积极的影响。1.2课题的研究现状目前，国内外车型识别技术的研究已经取得了很大成果，人们利用不同的技术手段来判别车型。总的来说分为直接法和间接法。间接法的车型判别技术要借助IC卡或条码的应用，而直接法是要借助图像处理技术来进行判别的。间接法：把储存车型信息的IC卡或条码安装在车辆上，借助专用设备来读取待识别车辆上安装的IC卡或条码存储的相关信息来进行判别。该方法满足了准确性和可靠性的要求，但性价比得不到满足，对硬件设备要求高，无法完成异地作业。此外，若想很好地推行该方法要制定统一标准，且无法保证车与卡或车与码相符，这也使其无法快速推广。直接法：摄取车辆的图像信息，不依赖车载发射装置，对待识别车辆进行距离性信息采集来实现车型判别。借助摄像机拍下的车辆图像，利用计算机技术进行处理，提取所需特征信息，如外型尺寸、前后轴距、车轮大小等等，通过分析比较可达到判别目的。该方法不需安置设备，节约了大量资金，且识别速度较快，实时性得以提高，并在人机交换性方面得到了很大改善。近些年，随着计算机及相关技术的发展，一些国家开始关注人工神经网络技术的应用，RBF神经网络便是其中一种，应用该技术进行车型的判别有赖于与样本的比较。近些年来，国内外学者对车型识别技术的关注日益加深，也在努力研究新的算法以提高识别率、降低复杂度，使得车型识别技术得以快速发展。（1）基于GaborWaveletsTransform和HiddenMarkovModel的方法，经实验验证，该方法模型化程度高，可以提高识别准确率、对环境条件要求低，具有较高实用性，易于操作[2]。（2）基于模糊理论的方法，它的二级评判模型是基于聚类的，该方法受主观因素影响小，可以客观地反映真实情况，快捷高效，极大地提高了实时性。（3）基于Harris角点算法进行车型的判别，首先要借助图像分割技术获得轿车、货车、客车的标准样本，并利用Harris算法求得其角点作为样本库[3]。再提取待识别-3-车辆的图像，计算Harris角点并进行比对，计算待识别车辆与各车型样本的Hausdorff距离，并取Hausdorff距离最小者为待识别车辆所属车型。经验证，基于Harris角点检测法较好地满足了准确性和快捷性要求。借助角点检测技术进行车型判别的方法计算速度很快，与主成分分析法相比，该方法要简单许多，不必像主成分分析法那样进行大量的预处理工作。近期，借助图像处理技术进行车型判别显现出显著优点，国内外学者对其关注度日益加深，但由于背景和光照因素的复杂多变性，想要达到理想的图像分割效果并非易事。近些年，国内外市场都推出了一些实用的车型判别系统。但是，这些系统都受到一些特殊环境的限制，车型识别技术仍有很大的发展空间，该技术的研究应用对实现交通智能化管理具有很大的推动作用。1.3本文的基本内容和组织结构本文先研究了基于灰度阈值分割法的车型识别技术，客观分析了该技术的优点和不足。针对灰度阈值分割法的不足，提出了基于图像背景差值法的车型识别技术，该技术相对于灰度阈值分割法虽然有部分改善，但图像又需要满足更加严格的条件。本论文设计了车型识别的实现过程，并对每一步进行了分析，其中着重分析了图像分割和特征提取部分。对待识别车辆进行车型判别以