基于车型识别的卡口系统的研究和应用

论文摘要

本文设计和实现了一种车型识别系统，该系统的处理过程主要包括建立样本库和识别分类两个步骤。建立样本库步骤首先进行图像预处理，然后用时间平均图像法得到背景模型，接着用背景差分法在复杂场景中检测提取运动车辆的轮廓，轮廓的左右及下边界作为车脸的左右及下边界，然后在场景中选定统一的车脸高度阈值定位出每辆车的车脸高度，再对车脸图进行大小归一化处理建立车脸样本库。识别分类步骤是根据上述方法从场景中提取车脸图，并计算其sift特征向量，然后与样本库中的车脸样本图进行sift特征匹配，匹配值满足一定的条件则可判定为同一类型的车辆。本文用OpenCV和Visual C++6.0搭建实验平台，共采集100张车辆的车脸生成车脸样本库。实验中，采用80*30大小的车脸，系统识别每辆车时间约为150ms左右；当采用160*60和320*120大小时，时间约为450ms和1400ms左右；实验结果表明本系统的可行性，且在实际应用中具有较高的识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 第二章 视频图像预处理
• 2.1 彩色图像的灰度化
• 2.2 图像噪声的减除
• 2.2.1 均值滤波器
• 2.2.2 高斯平滑滤波器
• 2.2.3 中值滤波器
• 2.3 灰度图像的二值化
• 2.4 基于数学形态学的图像处理技术
• 2.4.1 腐蚀与膨胀
• 2.4.2 开启与闭合
• 2.5 本章小结
• 第三章 运动目标检测与提取
• 3.1 引言
• 3.2 光流法
• 3.3 帧间差法
• 3.4 背景差分算法
• 3.5 背景模型方法
• 3.5.1 高斯混合模型
• 3.5.2 基于卡尔曼滤波器的背景模型
• 3.5.3 时间平均图像的背景模型及其更新
• 3.6 本章小结
• 第四章 特征提取方法概述
• 4.1 引言
• 4.2 颜色特征
• 4.2.1 颜色特征
• 4.2.2 常用的颜色特征提取方法
• 4.3 空间关系特征
• 4.3.1 空间关系
• 4.3.2 常用的特征提取与匹配方法
• 4.4 纹理特征
• 4.4.1 纹理特征
• 4.4.2 纹理特征描述方法
• 4.5 代数特征
• 4.6 本章小结
• 第五章 基于 sift 特征的车型识别系统研究
• 5.1 引言
• 5.2 sift 特征的特点
• 5.3 sift 特征向量
• 5.3.1 尺度空间理论和尺度空间极值检测
• 5.3.2 精确定位特征点
• 5.3.3 特征点主方向确定
• 5.3.4 sift 特征向量的生成
• 5.4 sift 方法在车型识别中的应用
• 5.5 分析 sift 的优缺点
• 5.6 小结
• 第六章 基于 OpenCV 的系统实现及实验结果和分析
• 6.1 开发平台的搭建
• 6.2 总体思路
• 6.3 系统各个功能模块设计
• 6.3.1 车脸样本库
• 6.3.2 车辆检测定位与车脸提取模块
• 6.3.3 样本库的建立
• 6.4 实验结果分析
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 论文进一步的工作展望
• 致谢
• 参考文献
• 研究成果