原文传递
基于车标识别的车型细分类技术研究
| 论文题名： | 基于车标识别的车型细分类技术研究 |
| 关键词： | 车标识别;车型自动分类;hdaboost学习算法;小波矩;级联分类器;智能交通 |
| 摘要： | 车型自动分类系统是ITS（Intellegent Transportation System）的重要组成部分，它在智能交通领域中有着广泛的应用，相关技术的研究正受到普遍关注。当前国内外学者侧重于研究车辆外形、大小、颜色的识别，实现对车辆的粗分类，本文的目的是通过对汽车标志（简称车标）的定位和识别进行探索性研究，实现按车标类型（汽车品牌）对车辆的细分类。对于车标定位，本文不再采用传统图像处理分割方法，而是采用模式识别思想，使用Adaboost学习算法训练些级联分类器，在粗定位车标区域中检测并识别出车标。然后，采用Adaboost.MH学习算法扩展多类车标问题为多个两类问题，训练分类器实现对车标的验证识别。并通过实验，验证了本文所提出的理论方法的有效性。 本文主要分4部分进行介绍、分析与研究： （1）小波矩 为使小波矩更好的适用于本文的应用，这一部分对小波矩的理论进行详细介绍和分析，并深入分析与研究图像小波矩的构造方法。 （2）Adaboost学习算法的研究 Adaboost算法是一种分类器算法，其是利用大量的分类能力一般的简单分类器（也称弱分类器）通过一定方法叠加起来，构成一个分类能力很强的强分类器。理论证明，只要每个简单分类器分类能力比随机猜测要好，当简单分类器个数趋向于无穷时，强分类器的错误率将趋于零。这一部分深入分析与研究Adaboost学习算法的背景和理论。 （3）车标定位方法的研究 此部分是本文最重要部分，传统的方法都是采用图像处理技术进行目标分割，本文采用模式分类思想实现车标定位。本文结合Adaboost算法的缺点和车标小波矩特征的分布特性，对Adaboost算法进行改进。然后利用改进Adaboost算法针对每一类车标训练一级联分类器进行多尺度车标定位，并结合根据车牌先验知识的车标粗定位，实现对车标的实时、精确定位。 （4）车标识别方法的研究 在定位的同时已实现识别，此阶段是实现对车标的验证识别。本文采用Adaboost.MH算法把多类车标识别问题扩展为多个两类问题，实现车标识别。本文也研究了简单模板匹配和小波矩特征匹配的车标识别方法，并对3种方法做了实验性对比与分析。 |
| 作者： | 潘祥 |
| 专业： | 计算机软件与理论 |
| 导师： | 黄襄念 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西华大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
