原文传递
基于支持向量机的车标图像识别技术研究
| 论文题名： | 基于支持向量机的车标图像识别技术研究 |
| 关键词： | 道路交通;车标识别;特征提取;支持向量机 |
| 摘要： | 随着现代交通的快速发展,越来越多的新技术被运用到交通领域,智能交通系统在为公众提供便捷服务的同时,也有效的提高了交管部门的管理效率。车牌作为车辆显著的身份标识,锁定其信息对于打击犯罪、肇事车辆的追查以及交通流量的统计等方面都有着极大的作用。然而一些车辆存在的车牌缺失、更换、遮盖、套牌等违法行为使识别难度加大,而车标作为车辆识别系统的一部分,能够更加准确地定义车辆的唯一身份,为套牌车查处、违章逃逸,以及车辆跟踪等提供可靠证据,故论文展开车标识别研究,其主要研究内容如下: (1)首先在车牌颜色和形状特征的基础上,借助项帽运算、边缘提取以及数学形态学运算等一系列操作,实现车牌区域的定位。然后根据先验知识进行车标的粗定位,粗定位的车标经过背景纹理去除得到精定位图像。 (2)分析车标图像特征,采用7个HU不变距方法对精定位车标进行特征提取,针对低照度条件的影响,研究了3个新增HU不变距特征表示方法,最大程度的表达车标信息。同时多渠道扩充图像来源,基于HU不变距原理建立车标图像特征数据库。 (3)提出了基于支持向量机(SVM)的分类算法来识别车标,同时为了提升该算法的识别精度,利用灰色狼群算法优化了SVM的核函数因子C和惩罚因子g。然后采取9种车标作为待识别车标,将80％的样本进行训练,对20％的样本进行测试。实验结果表明:改进的HU不变距特征能够明显提高车标识别精度,灰狼优化算法相比未优化时精度更优,车标识别率明显提高,有效地解决了包含低照度条件下的车标识别难题。 (4)依据所研究的算法,基于Matlab和C++开发了一套车标识别系统。该系统主要包括车牌定位、车标定位、特征提取和车标识别四个模块,通过收费站监控图像验证了该识别系统的有效性,为车标识别系统的推广奠定基础。 |
| 作者： | 王小康 |
| 专业： | 载运工具运用工程 |
| 导师： | 赵建东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
