基于車標(biāo)識別的車型細(xì)分類技術(shù)研究.pdf

1、車型自動(dòng)分類系統(tǒng)是ITS（Intellegent Transportation System）的重要組成部分，它在智能交通領(lǐng)域中有著廣泛的應(yīng)用，相關(guān)技術(shù)的研究正受到普遍關(guān)注。當(dāng)前國內(nèi)外學(xué)者側(cè)重于研究車輛外形、大小、顏色的識別，實(shí)現(xiàn)對車輛的粗分類，本文的目的是通過對汽車標(biāo)志（簡稱車標(biāo)）的定位和識別進(jìn)行探索性研究，實(shí)現(xiàn)按車標(biāo)類型（汽車品牌）對車輛的細(xì)分類。對于車標(biāo)定位，本文不再采用傳統(tǒng)圖像處理分割方法，而是采用模式識別思想，使用Adaboo

2、st學(xué)習(xí)算法訓(xùn)練些級聯(lián)分類器，在粗定位車標(biāo)區(qū)域中檢測并識別出車標(biāo)。然后，采用Adaboost.MH學(xué)習(xí)算法擴(kuò)展多類車標(biāo)問題為多個(gè)兩類問題，訓(xùn)練分類器實(shí)現(xiàn)對車標(biāo)的驗(yàn)證識別。并通過實(shí)驗(yàn)，驗(yàn)證了本文所提出的理論方法的有效性。
　　 本文主要分4部分進(jìn)行介紹、分析與研究：
　　 （1）小波矩
　　 為使小波矩更好的適用于本文的應(yīng)用，這一部分對小波矩的理論進(jìn)行詳細(xì)介紹和分析，并深入分析與研究圖像小波矩的構(gòu)造方法。
　

3、　 （2）Adaboost學(xué)習(xí)算法的研究
　　 Adaboost算法是一種分類器算法，其是利用大量的分類能力一般的簡單分類器（也稱弱分類器）通過一定方法疊加起來，構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器。理論證明，只要每個(gè)簡單分類器分類能力比隨機(jī)猜測要好，當(dāng)簡單分類器個(gè)數(shù)趨向于無窮時(shí)，強(qiáng)分類器的錯(cuò)誤率將趨于零。這一部分深入分析與研究Adaboost學(xué)習(xí)算法的背景和理論。
　　 （3）車標(biāo)定位方法的研究
　　 此部分是本文

4、最重要部分，傳統(tǒng)的方法都是采用圖像處理技術(shù)進(jìn)行目標(biāo)分割，本文采用模式分類思想實(shí)現(xiàn)車標(biāo)定位。本文結(jié)合Adaboost算法的缺點(diǎn)和車標(biāo)小波矩特征的分布特性，對Adaboost算法進(jìn)行改進(jìn)。然后利用改進(jìn)Adaboost算法針對每一類車標(biāo)訓(xùn)練一級聯(lián)分類器進(jìn)行多尺度車標(biāo)定位，并結(jié)合根據(jù)車牌先驗(yàn)知識的車標(biāo)粗定位，實(shí)現(xiàn)對車標(biāo)的實(shí)時(shí)、精確定位。
　　 （4）車標(biāo)識別方法的研究
　　 在定位的同時(shí)已實(shí)現(xiàn)識別，此階段是實(shí)現(xiàn)對車標(biāo)的驗(yàn)證識別。