原文传递
基于视频图像的车辆检测及车型识别研究
| 论文题名： | 基于视频图像的车辆检测及车型识别研究 |
| 关键词： | 智能交通;车辆检测;车型识别;频图像;特征提取;支持向量机;粒子群算法 |
| 摘要： | 随着交通事故、交通拥堵等问题的日益严重，智能交通系统(Intelligent Transportation System,ITS)越来越受到关注。智能交通系统是未来交通的发展趋势，其最重要的组成部分是车辆检测和车型识别技术。本文在国内外相关研究成果的基础上，主要进行了基于视频图像的车辆检测和车型识别研究。 首先，利用Surendra背景更新算法和背景差分法得到运动车辆的前景图像。针对由于光照、天气、阴影等因素变化导致固定的分割阈值不能满足实时需要的问题，本文采用动态阈值的方法，采用粒子群优化算法与最大熵图像分割方法相结合，得到最优的分割阈值。将灰度直方图和边缘特征进行融合来消除车辆阴影，提高车辆检测准确率。 然后，分别提取了车辆的几何特征、纹理特征和方向梯度直方图(Histogram of Gradient,HOG)特征。通过对每种类型特征逐一进行分析，选择了周长、面积和长宽比作为几何特征；均值、标准偏差、熵、平滑度和一致性作为纹理特征以及HOG作为车辆的局部特征。针对HOG维数过高造成计算复杂的问题，通过主成分分析(Principal Component Analysis,PCA)对HOG特征进行降维处理。将选取的特征进行组合表示车辆信息，利用车辆的组合特征可以有效地解决单一特征容易受到光照、天气、阴影等环境影响的问题，有助于提高车型识别的准确率。 最后，利用支持向量机分类器对小轿车、货车和面包车三种类型的车辆进行识别分类。根据三种类型车辆的特征参数建立样本数据库，采用网格搜索法、遗传算法和粒子群算法分别对核参数和惩罚因子进行优化。实验表明：采用粒子群算法进行参数优化时，得到的车辆分类准确率最高。 |
| 作者： | 高许 |
| 专业： | 仪器仪表工程 |
| 导师： | 程淑红;王国宾 |
| 授予学位： | 硕士 |
| 授予学位单位： | 燕山大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
