摘要: |
运动车辆识别系统的主要目的是实时采集车辆的多种特征信息,包括车辆牌照(简称车牌)、车辆标志(简称车标)、车身颜色、车辆外形和大小等信息,采用优化的识别算法和信息融合技术,自动识别高速移动车辆的类型,同时识别出车辆牌照和颜色。
本文主要研究了几个问题,一是研究提出了一种基于直方图峰点检测的车牌定位方法;二是利用多种车牌定位算法的优点,提出了一种实时且鲁棒性较高的车标定位方法;三是提出了一种基于虚拟线圈的视频检测方法,并以此构建了一个实用的交通参数检测系统,用来检测车流量、车速及车型等交通参数。
目前人们已经提出了众多的车牌定位算法,对多种方法的综合研究后发现车牌识别主要基于车牌的定位,车牌图象的二值化及字符分割。作者在车牌图象的共有属性基础上,提出一种基于直方图峰点检测的车牌区域定位方法,并对初步定位后的车牌进一步使用微定位技术方法;同时将模板匹配和特征点匹配两种方法结合起来,提高车牌识别效率。
车标具有目标小、相似性大、受尺寸和光照影响大、背景不统一、以及不同汽车公司的车标形状、大小不一致等特殊性,因此车标的准确定位成为一个难点。为了解决这些问题,本文提出了一种快速且鲁棒性较高的车标定位方法。它充分利用了车牌位置信息,根据车标与车牌和车头的位置关系,以及车头对称性等先验知识,通过OTSU二值化算法投影定位车头及其中轴,进而分割出车标经验搜索矩形;然后,就可以较为精确地定位出车标。本文提出了一种基于虚拟线圈的视频检测方法,并以此构建了一个实用的交通参数检测系统,用来检测车流量、车速及车型等交通参数,通过超车检测等技术,进一步提高了系统的识别率,最后将之与传统的感应线圈进行了逐项比较。实践证明,这种基于虚拟线圈的检测方式也能达到良好的检测效果,而其在安装、维护、成本及可靠性方面也拥有巨大的优势。 |