详情

原文传递基于计算机视觉的车型识别研究

论文题名：	基于计算机视觉的车型识别研究
关键词：	交通监测;车型识别;计算机视觉;边缘检测;特征提取
摘要：	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。
作者：	金炎
专业：	系统科学
导师：	唐慧强;孙伟
授予学位：	硕士
授予学位单位：	南京信息工程大学
学位年度：	2016
正文语种：	中文