HOV系統(tǒng)中車輛檢測算法的研究.pdf

1、近年來，交通擁堵、交通事故和環(huán)境污染對社會經(jīng)濟(jì)發(fā)展和人們生產(chǎn)生活產(chǎn)生了重要的影響。雖然道路運(yùn)輸增長的需求可以靠提供更多的道路設(shè)施來滿足，但是在與資源、環(huán)境矛盾日益突出的今天，道路設(shè)施的增長受到了較大的限制，因此需要尋求新的方法來解決這一矛盾。建設(shè)HOV(High Occupancy Vehicle，載客數(shù)多的車輛)專用車道便是解決問題的途徑之一。 本研究方案是在車道上方架設(shè)攝像機(jī)，對車輛正面進(jìn)行拍攝并進(jìn)行算法處理，首先定位車輛、

2、進(jìn)而定位車窗、在車窗區(qū)域內(nèi)檢測乘客臉部從而實現(xiàn)乘客計數(shù)。乘客計數(shù)與車牌識別算法相結(jié)合，可以實現(xiàn)HOV車道的自動監(jiān)控。本論文進(jìn)行了-兩個方面的研究。 第一，研究了從拍攝的視頻流中定位車輛并提取汽車車窗的方法，從而大大減少后續(xù)人臉檢測算法的工作量，提高檢測速度和準(zhǔn)確度。改進(jìn)了基于自適應(yīng)背景更新的背景差法從視頻流中進(jìn)行車輛定位的算法；改進(jìn)了利用模板匹配檢測直線、Hough直線檢測以及積分投影定位車窗的算法。對實際快速路上拍攝的視頻流進(jìn)

3、行了算法處理，結(jié)果表明，算法能夠比較準(zhǔn)確地檢測出車輛并提取出車窗。 第二，研究了車牌識別算法，包括車牌定位、字符分割和字符識別。根據(jù)車牌具有豐富邊緣這一特性，使用了邊界特征提取和模糊模板匹配相結(jié)合的算法定位視頻流中車輛的車牌；使用了投影分割結(jié)合自適應(yīng)二值化作為預(yù)處理的方法進(jìn)行車牌字符分割。實驗結(jié)果表明，算法能夠比較準(zhǔn)確地檢出車牌并分割字符。本文分別利用模板匹配方法和神經(jīng)網(wǎng)絡(luò)方法對車牌字符識別做了初步研究，并比較了兩種方法的優(yōu)缺點