智能交通系统中自动车型识别技术的研究

论文摘要

智能交通系统(ITS,Intelligent Transportation System)是世界上交通运输科学技术的前沿,国际上公认的ITS的服务领域有:先进的交通管理系统、出行信息服务系统、商用车辆运营系统、电子收费系统、公共交通运营系统、应急管理系统、先进的车辆控制系统。车型的自动识别是智能交通系统中的关键技术,无论是在交通监控领域,还是在道桥、高速公路以及停车场的全自动收费领域,都有着重要和广泛的应用。本文主要研究了基于视频的车型自动识别系统,系统通过对摄像机采集的视频图像进行运动车辆检测分割、特征提取与选择、模式识别等处理,达到实时车型识别。本文的主要工作和研究成果如下:(1)研究了现有的图像处理技术和算法,分析了车辆检测的主要方法,并在帧间差分法的基础上提出了一种有效的双帧差和的车辆检测方法,该方法简单、运算量小、抗干扰能力强;(2)针对基于视频的车型识别中可能出现的并行车辆现象,给出了一种基于数学形态学标注连通分量的并行车辆检测与分割算法;(3)在车型的特征提取中,鉴于伪Zernike矩除了具有旋转不变性外,还具有对噪声不敏感的特性,能够较好地表达图像的特征的优点,在传统的提取车长、车宽以及长宽比等特征的基础上增加了车辆的伪Zernike矩特征,实验结果表明增加该特征能够提高车型识别的正确识别率;(4)研究了模式识别技术的基本理论和主要方法,在对比分析的基础上给出了一种基于最小二乘支持向量机的车型识别方法。仿真实验结果表明,本文提出的基于视频的车型识别方法,识别率和识别速度均达到较好的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.3 本文工作
• 第二章 基于视频图像的车辆检测方法
• 2.1 常用的运动车辆检测方法
• 2.1.1 基于背景差分的方法
• 2.1.2 基于光流法的方法
• 2.1.3 基于帧间差分的方法
• 2.2 基于双帧差和的运动车辆检测方法
• 2.2.1 基于双帧差和的算法思想
• 2.2.2 实验结果及分析
• 2.3 车辆图像的后期处理
• 2.3.1 基于形态学运算的车辆去噪处理
• 2.3.2 基于形态学标注连通分量的并行车辆的分割方法
• 第三章 车型特征的选择与提取
• 3.1 车型分类及车型特征提取标准
• 3.1.1 车辆车型的分类
• 3.1.2 车型特征的提取标准
• 3.2 车辆几何特征提取
• 3.2.1 车辆长度
• 3.2.2 车辆宽度
• 3.2.3 实验结果及分析
• 3.3 伪Zernike 矩特征提取
• 3.3.1 伪Zernike 矩的定义
• 3.3.2 伪Zernike 矩的特点
• 3.3.3 伪Zernike 矩的性质分析
• 3.3.4 伪Zernike 矩的特征提取
• 3.3.5 实验结果
• 3.4 车辆车道定位
• 3.4.1 车道定位
• 3.4.2 实验结果及分析
• 3.5 小结
• 第四章 基于最小二乘支持向量机的车型识别
• 4.1 支持向量机
• 4.1.1 线性可分情形
• 4.1.2 线性不可分情形
• 4.1.3 支持向量机的核函数
• 4.2 最小二乘支持向量机
• 4.2.1 最小二乘向量机
• 4.2.2 构造多类分类最小二乘支持向量机
• 4.2.3 分类方法的选取
• 4.3 实验结果及分析
• 4.3.1 实验环境
• 4.3.2 实验步骤
• 4.3.3 车型分类结果及分析
• 4.3.4 车道识别结果及分析
• 4.4 小结
• 第五章 结束语
• 致谢
• 参考文献
• 研究成果