论文部分内容阅读
随着交通问题的Lj益严峻,智能交通系统(Intelligent Transportation System,ITS)技术的研发显得尤为迫切。车型识别系统作为ITS系统的一个重要组成部分,起着关键的作用。本文主要研究了智能交通系统中图像车型识别的关键算法和技术,主要包括车辆检测及定位、车辆特征提取、车辆分类三个重要组成部分。(1)在车辆检测及定位方面,本文提出了一种初步检测和精确定位相结合的车辆检测方法。首先提取图像的HOG(Histogram of Oriented Gradient)特征,结合SVM (Support Vector Machine)分类器进行初步的车辆检测,然后采用数学形态学及其开闭重建的方法消除部分噪声干扰及无关的边缘,提取车辆边缘信息,并对边缘图进行投影,提出将投影图转换成一幅二值图像,再对二值图像进行数学形态学处理,消除投影图的部分噪声和毛刺,最后查找车辆边界。(2)在车辆特征提取方面,本文分析和比较了车辆特征的提取方法,包括不变矩特征量、纹理特征量、方向梯度直方图特征量、SURF (speed up robust features)特征量以及积分通道特征(Integral Channel Features,ICF),综合考虑了特征的性能,本文采用了车辆的SURF特征与积分通道特征结合特征量作为车型识别分类器的输入特征。(3)在车辆分类方面,本文介绍SVM (Support Vector Machine)分类器的分类性能和特点以及SVM二分类器用于多分类的方法,并通过支持向量机对车辆不同特征的车型进行识别实验,验证了选择SURF特征与积分通道特征结合特征量作为本车型识别的车辆特征的有效性。本文的车型识别系统以微软公司的Visual Studio 2010软件作为开发环境,采用C/C++编程,并借助了开源图像类库OpenCV进行相关算法的实现,使用工业相机进行图像的采集。实验表明,本文的方法具有较好的识别效果,且鲁棒性较好,对车型自动识别的研究和发展具有一定应用价值和意义。