详情

原文传递智能交通系统的图像处理与模式识别技术研究

论文题名：	智能交通系统的图像处理与模式识别技术研究
关键词：	智能交通系统;运动车辆检测;牌照定位;字符识别;多分类器集成;支持向量机;神经网络;卡尔曼滤波
摘要：	智能交通系统利用通信技术、控制技术、传感器技术、运筹学、人工智能和计算机技术的有效集成，其目的在于充分利用现有的道路基础设施资源，改善车、路、人之间的相互作用，提高系统的安全性、高效性与舒适性，从而从整体上提高交通的经济性。智能交通系统正在成为世界各国解决交通拥塞、交通事故频发、土地和能源短缺、交通环境污染以及由此导致的经济损失等的热点研究问题，具有较高的社会效益和巨大的市场应用前景。而图像处理和模式识别技术在智能交通中的应用具有安装和维护方便，价格相对低廉、检测参数多、检测区域广等显著优点，有着十分重要的理论意义和应用价值。本文从图像处理和模式识别的角度出发，研究了基于计算机视觉的交通监控和基于计算机视觉的交通管理二大应用领域的若干问题，主要包括运动车辆的方向和速度识别、运动车辆的检测与跟踪、车辆牌照定位和车辆牌照的字符识别。本文研究的主要内容和创新点有：(1)运动车辆的方向和速度识别：车辆运行速度和方向的准确信息是行车安全和运动车辆监控的主要指标之一，而现今流行的电子装置测速法却往往因为车轮发生空转和滑行等情况，导致测量误差。本文在分析图像互相关法速度和方向识别的基本上，给出了运动图像模型，提出了利用单帧图像信息的测速方法，此方法利用运动图像的产生机理，通过二维傅立叶变换在频域上提取有规律的图像特征，依据此特征进行识别。这种方法的应用有效的解决了车轮空转和滑行时测速不准的问题，是运动车辆方向和速度电子测量法的有效的补充。 (2)运动车辆的检测：在运动车辆检测上，传统的方法有：感应线圈检测方式、激光和红外、超声检测方式等，但这些方式存在具体实施复杂、受环境因素影响大和检测误差大等问题。近年来，随着计算机和数字技术的发展，视频检测方式由于具有实施简单、受环境变化影响小、检测可靠等优点，受到了人们的重视并得到了广泛应用。木文在概括和分析当前车辆检测的基础上，提出了一种基于连续三帧差分、二个背景更新相配合的车辆检测算法，此算法利用三帧图像信息得到系统的短期背景，利用统计学方法得到系统的长期背景，基于二个背景的协调和三帧差分的运动信息，得到运动车辆的区域。很好的解决了光线和外来物入侵等外界环境变化的影响。另外，本文还提出了一种快速简便的基于灰度比例的阴影检测方法。 (3)运动车辆跟踪：运动车辆跟踪是运动目标跟踪的一个重要组成部分，它是根据对图像序列的分析，得出车辆的运动轨迹及瞬时运动特征，如：运动速度、运动方向和运动车辆的位置关系。本章借鉴了模型跟踪方法的精确性和鲁棒性，提出了一种新的运动车辆模型，该模型在运动车辆跟踪中既具有模型简单的特点，又能很好的表示运动车辆的运动学和动力学特征。并且采用了新型的UnscentedKalman滤波的方法进行运动车辆的跟踪，较之以往的ExtendedKalman滤波有较高的精确度，且不增加运算量，很好的解决了非线性运动目标跟踪的问题。 (4)车辆牌照定位：车辆牌照识别技术是计算机视觉在智能交通系统中的一个重要研究课题，其应用领域十分广阔，其中车牌定位是车辆牌照识别系统中的第一步，也是最为重要的一步，其定位的速度和准确程度直接影响到车辆牌照识别系统的性能。本章在概括了国内外车辆牌照定位方法的基础上，提出了基于Adaboost算法的车辆牌照定位。通过Adaboost算法把大量分类能力一般的简单分类器叠加起来，构成分类能力很强的强分类器，再将若干强分类器串联形为级联分类器完成牌照的定位，大大的提高了车牌定位的速度和定位率。 (5)车辆牌照字符识别：字符识别是车辆牌照识别的一个重要组成部分，它是建立在车牌定位和字符切分基础之上的，属于印刷体字符识别的范畴。本文针对数字、字母、数字字母混合和汉字的不同特点，分别用不同的分类模型，不同的识别方法来进行识别。对数字、字母和数字字母混合，提出了匹配法和神经网络串级识别的算法，并且在匹配法中使用了联合模糊匹配的概念，神经网络的训练采用了Levenbergmarquardt改进算法。针对汉字识别的复杂性，提出了一种新的基于支持向量机多级分类方法，并给出了新的多类分类模型。实验证明，本章算法在牌照字符识别中取得了好的效果，并且这种算法可以推广到其它领域的多类识别中。
作者：	潘石柱
专业：	控制科学与工程·控制理论与控制工程
导师：	殳伟群
授予学位：	博士
授予学位单位：	同济大学
学位年度：	2006
正文语种：	中文