详情

原文传递越界车辆快速识别方法研究

论文题名：	越界车辆快速识别方法研究
关键词：	智能交通;越界车辆;检测识别;系统设计
摘要：	随着经济的发展,各国汽车数量急剧增加,这引起了各国对智能交通系统的重视。智能交通系统可以缓解道路交通压力,为交通的智能化分析和科学化管理提供有效的数据来源。违规越界是交通中最常见的违章行为。本文针对越界车辆的检测和识别进行深入的分析和研究。　　首先在介绍常见图像预处理算法的基础上,分析对比了目前检测车辆越界的方法,发现这些方法需要对感兴趣区域内的大量像素点进行遍历,或者需要对视频中的每个运动车辆进行跟踪,过程复杂,运算量大,而且算法的稳定性较差。本文提出了基于区域生长的关键点提取,只对关键点小范围邻域内的像素进行检测,需要遍历的像素少,处理过程简单,提高了检测速度,并且适合对各种颜色车辆的检测;利用HSI表色模型下关键点的像素特征动态确定图像二值化阈值,可以保证检测方法的稳定性,有效克服了光线变化带来的影响。　　然后介绍了车牌识别的具体步骤,分为车牌定位、字符分割、字符识别三个部分,深入分析了BP神经网络的工作原理。为克服BP神经网络收敛速度慢、易陷入局部最优解的缺点,许多学者提出了引入动量因子项的方法,但是动量因子的具体取值具有不确定性。本文通过实验进行对比,详细介绍了动量因子的作用,以及动量因子项的取值对BP神经网络模型训练过程的影响,结果表明:应适当选取较大的动量因子和训练步长。　　最后在Visual C++6.0中使用MFC构建了整个检测识别系统,实现了以上算法,并通过对自行拍摄的实际视频进行检测识别证明了方法的可行性。
作者：	李江
专业：	控制理论与控制工程
导师：	柯海森
授予学位：	硕士
授予学位单位：	中国计量学院
学位年度：	2013
正文语种：	中文