畢業(yè)設計（論文）視頻圖像中車輛的車型識別算法研究與實現

1、<p><b>　　畢業(yè)設計說明書 </b></p><p>　　作 者： 學 號： </p><p>　　系： 信息工程系 </p><p>　　專業(yè)： 電子信息工程 </p>

2、<p>　　題 目： 視頻圖像中車輛的車型識別 </p><p>　　算法研究與實現 </p><p>　　指導者： </p><p>　　評閱者： </p><p

3、>　　2013年 6月 1日</p><p>　　畢業(yè)設計（論文）中文摘要</p><p>　　畢業(yè)設計（論文）外文摘要</p><p><b>　　目 次</b></p><p>　　1 緒論 ………………………………………………………………………………1</p><p>　　

4、1.1 課題的研究背景和意義 ………………………………………………………1</p><p>　　1.2 課題的研究現狀 ………………………………………………………………2</p><p>　　1.3 本文的基本內容和組織結構 …………………………………………………3</p><p>　　2 車型識別系統(tǒng)簡介 ………………………………………………………………4<

5、/p><p>　　2.1 預處理 …………………………………………………………………………4</p><p>　　2.2 特征提取 ………………………………………………………………………4</p><p>　　2.3 特征匹配 ………………………………………………………………………4</p><p>　　3 基于灰度閾值分割法的車型識別 …………

6、……………………………………6</p><p>　　3.1 介紹各模塊設計 ………………………………………………………………6</p><p>　　3.1.1 預處理模塊 ……………………………………………………………6</p><p>　　3.1.2 特征提取模塊……………………………………………………………7</p><p>　　3.1

7、.3 特征匹配模塊……………………………………………………………7</p><p>　　3.2 運行結果 ………………………………………………………………………8</p><p>　　3.3 結果分析 ……………………………………………………………………11</p><p>　　4 基于圖像背景差值法的車型識別 ……………………………………………13</p

8、><p>　　4.1 介紹各模塊設計 ……………………………………………………………13</p><p>　　4.1.1 預處理模塊 ……………………………………………………………13</p><p>　　4.1.2 特征提取模塊 …………………………………………………………14</p><p>　　4.1.3 特征匹配模塊 ………………………

9、…………………………………14</p><p>　　4.2 運行結果 ……………………………………………………………………15</p><p>　　4.3 結果分析 ……………………………………………………………………29</p><p>　　4.4 結果對比 ……………………………………………………………………30</p><p>　

10、　結論 ………………………………………………………………………………32</p><p>　　參考文獻 …………………………………………………………………………34</p><p>　　致謝 ………………………………………………………………………………35</p><p><b>　　1 緒論</b></p><p&g

11、t;　　車型識別的目的是對待識別車輛進行車型的判別（該課題將車型分為轎車、貨車、客車三類），它是通過分析比較待識別車輛側面視覺特征信息實現的，主要借助于計算機技術的應用，車型識別技術是一種輪廓特征識別技術，是用待識別車輛的側視輪廓特征來判別所屬車型。車輛的側視輪廓特征主要抽象為車頂長度、車輛高度和車身長度，依此可求得待識別車輛的頂長比、頂高比和前后比（車頂中垂線將車身長分得兩部分的比值），而通過統(tǒng)計計算可求得三類車型（轎車、貨車、客車）

12、的特征值（頂長比、頂高比、前后比）的范圍，將提取的待識別車輛的特征值與統(tǒng)計值相比較可實現對待識別車輛的車型判別[1]。</p><p>　　1.1 課題的研究背景和意義</p><p>　　中國正處在一個快速發(fā)展的時期，各種車型車輛數量也在持續(xù)上升，使得我國城市交通越來越擁擠，人們需要借助一種交通智能化系統(tǒng)來提高交通情況監(jiān)控的實時性和交通管理的自動化程度，這也為智能交通系統(tǒng)的產生提供了條件

13、。在我國的一些大城市正在逐步提高交通管理的智能化，主要體現在實現高速公路的快捷收費、公共場所車輛監(jiān)控自動化加強等方面，我們對交通管理智能化的需求日益增加，這將帶動智能交通系統(tǒng)的不斷發(fā)展。</p><p>　　人們對車型識別的研究雖然已有很長一段時間，但仍有許多難題仍未解決，首先，車輛的顏色、光澤度等都會隨著時間的推移和環(huán)境的改變而發(fā)生變化，而且即使是同一車輛在錄入鏡頭時的形狀、大小也各不同，這主要與位置和速度的隨

14、機性有關；第二，車輛錄入鏡頭的外觀狀態(tài)還與攝像頭位置、臨近的物體或臨近的車輛對待識別車輛的遮擋程度有關；第三，車型識別的準確性和快捷性還與光照情況的改變、天氣季節(jié)的交替及背景圖像的不斷變化緊密相關。因此現在的車型識別技術還遠不能滿足當代大城市交通智能化管理的需求，我們仍需對車型識別技術進行改進以滿足準確性和使用性上的要求。</p><p>　　目前已經解決交通智能管理的大部分關鍵技術，但是部分細節(jié)方面仍然存在不足

15、，準確性不高就是其中的一方面。交通智能管理的關鍵技術包括車型判別，希冀借助本課題的研究能促進智能交通系統(tǒng)的發(fā)展，使信號燈指揮通行、車輛數量統(tǒng)計、公共場所車輛無人收費、公路狀況監(jiān)控等方面更具可操控性。就目前而言，在交通智能管理方面我國與發(fā)達國家仍有很大差距，故該課題的研究對交通智能管理具有積極的影響。</p><p>　　1.2 課題的研究現狀</p><p>　　目前，國內外車型識別技術的

16、研究已經取得了很大成果，人們利用不同的技術手段來判別車型?？偟膩碚f分為直接法和間接法。間接法的車型判別技術要借助卡或條碼的應用，而直接法是要借助圖像處理技術來進行判別的。</p><p>　　間接法：把儲存車型信息的卡或條碼安裝在車輛上，借助專用設備來讀取待識別車輛上安裝的卡或條碼存儲的相關信息來進行判別。該方法滿足了準確性和可靠性的要求，但性價比得不到滿足，對硬件設備要求高，無法完成異地作業(yè)。此外，若想很好地推

17、行該方法要制定統(tǒng)一標準，且無法保證車與卡或車與碼相符，這也使其無法快速推廣。</p><p>　　直接法：攝取車輛的圖像信息，不依賴車載發(fā)射裝置，對待識別車輛進行距離性信息采集來實現車型判別。借助攝像機拍下的車輛圖像，利用計算機技術進行處理，提取所需特征信息，如外型尺寸、前后軸距、車輪大小等等，通過分析比較可達到判別目的。該方法不需安置設備，節(jié)約了大量資金，且識別速度較快，實時性得以提高，并在人機交換性方面得到了

18、很大改善。近些年，隨著計算機及相關技術的發(fā)展，一些國家開始關注人工神經網絡技術的應用，RBF神經網絡便是其中一種，應用該技術進行車型的判別有賴于與樣本的比較。</p><p>　　近些年來，國內外學者對車型識別技術的關注日益加深，也在努力研究新的算法以提高識別率、降低復雜度，使得車型識別技術得以快速發(fā)展。</p><p>　　基于 和 的方法，經實驗驗證，該方法模型化程度高，可以提高識

19、別準確率、對環(huán)境條件要求低，具有較高實用性，易于操作[2]。</p><p>　　基于模糊理論的方法，它的二級評判模型是基于聚類的，該方法受主觀因素影響小，可以客觀地反映真實情況，快捷高效，極大地提高了實時性。</p><p>　　基于角點算法進行車型的判別，首先要借助圖像分割技術獲得轎車、貨車、客車的標準樣本，并利用算法求得其角點作為樣本庫[3]。再提取待識別車輛的圖像，計算角點并進行比

20、對，計算待識別車輛與各車型樣本的距離，并取距離最小者為待識別車輛所屬車型。經驗證，基于角點檢測法較好地滿足了準確性和快捷性要求。借助角點檢測技術進行車型判別的方法計算速度很快，與主成分分析法相比，該方法要簡單許多，不必像主成分分析法那樣進行大量的預處理工作。 </p><p>　　近期，借助圖像處理技術進行車型判別顯現出顯著優(yōu)點，國內外學者對其關注度日益加深，但由于背景和光照因素的復雜多變性，想要達到理想

21、的圖像分割效果并非易事。近些年，國內外市場都推出了一些實用的車型判別系統(tǒng)。但是，這些系統(tǒng)都受到一些特殊環(huán)境的限制，車型識別技術仍有很大的發(fā)展空間，該技術的研究應用對實現交通智能化管理具有很大的推動作用。</p><p>　　1.3 本文的基本內容和組織結構</p><p>　　本文先研究了基于灰度閾值分割法的車型識別技術，客觀分析了該技術的優(yōu)點和不足。針對灰度閾值分割法的不足，提出了基于圖

22、像背景差值法的車型識別技術，該技術相對于灰度閾值分割法雖然有部分改善，但圖像又需要滿足更加嚴格的條件。</p><p>　　本論文設計了車型識別的實現過程，并對每一步進行了分析，其中著重分析了圖像分割和特征提取部分。對待識別車輛進行車型判別以主成分分析法為基礎，提取的主特征為待識別車輛的頂長比、頂高比和前后比（車頂中垂線將車身長分得兩部分的比值），并對主特征提取對于車型判別準確性的影響進行了研究,最后給出了針對該

23、課題的總結展望。</p><p>　　2 車型識別系統(tǒng)簡介</p><p>　　模式識別技術的一個重要分支是車型識別，實現車型識別的主要步驟如下圖所示：</p><p><b>　　2.1 預處理</b></p><p>　　車型識別過程中的重要環(huán)節(jié)之一就是圖像預處理，圖像預處理過程的好壞直接關系到待識別車輛的特征提取和

24、特征匹配工作能否順利完成。經過預處理可以去除或減少圖像的多余信息，使圖像的真實信息得以恢復、檢測相關信息的能力得以提升、圖像的逼真度和圖像的可識別度得到提高，最大限度地簡化相關數據，提高特征提取、特征匹配和判別的可靠性。</p><p><b>　　2.2 特征提取</b></p><p>　　特征提取是車型識別系統(tǒng)的重要環(huán)節(jié)，利用計算機對經過預處理的圖像進行相關信息

25、的提取，判定該圖像的特征點包括哪些點[4]。特征值的選擇以及特征提取的好壞直接關系到能否快速、準確的對待識別車輛進行判別和分類。該課題通過對待識別車輛的側視圖進行處理來提取特征，通常待識別車輛的側視圖可以提供車輛的輪廓信息。若能提取出這些信息，經過相關計算便可求得：頂長比（車頂長度與車身長度之比）、頂高比（車頂長度與車輛高度之比）、前后比（以車頂中垂線為界分得車身為兩部分的長度之比)。再利用計算得出的三個特征比進行判別[5]。</

26、p><p><b>　　2.3 特征匹配</b></p><p>　　該課題的特征匹配即利用提取的待識別車輛的特征值進行車型判別。首先，要經過統(tǒng)計計算求得三類標準車型（轎車、客車、貨車）的特征值（頂長比、頂高比、前后比）的范圍，進行剔除選擇后將其作為樣本庫。然后，編程實現車型的判別。</p><p>　　3 基于灰度閾值分割法的車型識別</p

27、><p>　　選取含有待識別車輛的圖像，對其進行灰度線性變換，待識別車輛的灰度值與背景的灰度值在圖像直方圖不均勻分布，可以選取一灰度閾值范圍，使該閾值范圍包含待識別車輛的大部分灰度級，幾乎不包含或盡量少包含背景的灰度級，對閾值范圍內的灰度級賦予255級，對背景的灰度級賦予0級，這樣可以將待識別車輛從背景中分割出來，該方法即為灰度閾值分割法。</p><p>　　3.1 介紹各模塊設計</

28、p><p>　　3.1.1 預處理模塊</p><p>　　由于攝取的圖像一般含有噪聲，需要對圖像進行預處理，濾除干擾、噪聲，獲得較高品質的圖像。基于灰度閾值分割法的預處理要對攝取的圖像進行灰度圖像變換、圖像平滑、二值化處理和圖像填充，以達到提高圖像質量的目的，為接下來進行車輛輪廓特征的提取提供必要的基礎。預處理流程如圖3.1所示：</p><p>　　圖3.1 預處理

29、流程圖</p><p>　　灰度圖像變換：當光線情況不太理想時，與彩色圖像相比灰度圖像更易于分辨，為了滿足光線情況多樣性，有必要對彩色圖像進行灰度變換，這樣既易于處理又減少了計算量。</p><p>　　圖像平滑：為了減少噪聲、干擾的影響，需要對含有待識別車輛的圖像進行平滑處理。圖像平滑主要有基于空域和基于頻域的方法，中值濾波屬于基于空域的非線性濾波法，該方法對椒鹽噪聲的濾波效果較好。&l

30、t;/p><p>　　閾值分割、二值化：設圖像灰度值為，所屬區(qū)間為,在和之間確定一個閾值，則灰度閾值分割法可描述為：</p><p>　　由此得到二值圖像[6]。能否確定合適的閾值直接影響車型判別結果的準確性。</p><p>　　圖像填充：由于噪聲、干擾的影響，基于灰度閾值分割法進行圖像分割得到的待識別車輛的灰度級并非全部都為255，這時進行圖像填充是很有必要的，經過

31、圖像填充，可使圖像車輛部分的灰度級一致，有利于車輛的特征提取。</p><p>　　3.1.2 特征提取模塊</p><p>　　對攝取的圖像進行預處理后，得到的灰度圖像只有兩個灰度級（0和255），由于只有兩個灰度級便于對灰度圖像進行掃描，提取待識別車輛的主要特征信息：頂長比（車頂長度與車身長度之比）、頂高比（車頂長度與車輛高度之比）和前后比（以車頂中垂線為界分得車身為兩部分的長度之比)

32、[7]。</p><p>　　3.1.3 特征匹配模塊</p><p>　　基于灰度閾值分割法的車型識別系統(tǒng)進行車型的判別時采用特征匹配算法，該算法輸入一組待識別車輛的特征值數據，判別過程如下：</p><p>　　(1)輸入一組特征值數據；</p><p>　　(2)如果前后比＜0.6，則該車輛為貨車，否則轉至(3)；</p>

33、<p>　　(3)如果頂長比＞0.3，則該車為客車，否則該車為轎車。程序流程如下圖所示：</p><p><b>　　是</b></p><p><b>　　否</b></p><p>　　否 是</p><p>　　圖3.2 程序流程圖</p&g

34、t;<p><b>　　3.2 運行結果</b></p><p>　　該課題應用基于灰度閾值分割法的車型識別系統(tǒng)對5輛待識別車輛進行了判別，其中（1）的背景復雜，（2）、（4）、（5）的背景較簡單，（3）的背景單一、背景顏色緩慢變化。運行結果如下：</p><p>　?。?）背景復雜，待識別車輛為轎車，選取的灰度閾值為[200/230],運行程序后識別結

35、果為轎車(識別結果正確）。</p><p>　　圖3.3 原彩色圖像 圖3.4 灰度圖像</p><p>　　圖3.5 圖像直方圖 圖3.6 填充過程圖</p><p>　?。?）背景較簡單，待識別車輛為轎車，選取的灰度閾值為[180/210],運行程序后識別結果為貨車（識別結果錯誤

36、）。</p><p>　　圖3.7 原彩色圖像 圖3.8 灰度圖像</p><p>　　圖3.9 圖像直方圖 圖3.10 填充過程圖</p><p>　?。?）背景單一、背景顏色緩慢變化，待識別車輛為貨車，選取的灰度閾值為[80/200],運行程序后識別結果為貨車(識別結果

37、正確，但填充效果差、閾值范圍很難確定，圖像分割效果并不理想）。</p><p>　　圖3.11 原彩色圖像 圖3.12 灰度圖像</p><p>　　圖3.13 圖像直方圖 圖3.14 填充過程圖</p><p>　?。?）背景較簡單，待識別車輛為客車，選取的灰度閾值為[50/

38、80],運行程序后識別結果為客車(識別結果正確，但填充效果很差）。</p><p>　　圖3.15 原彩色圖像 圖3.16 灰度圖像</p><p>　　圖3.17 圖像直方圖 圖3.18 圖像填充圖 </p><p>　?。?）背景較簡單，

39、待識別車輛為客車，選取的灰度閾值為[30/60],運行程序后識別結果為客車(識別結果正確，但填充效果很差）。</p><p>　　圖3.19 原彩色圖像 圖3.20 灰度圖像</p><p>　　圖3.21 圖像直方圖 圖3.22 填充過程圖</p><p><b&g

40、t;　　3.3 結果分析</b></p><p>　　基于灰度閾值分割法的車型識別系統(tǒng)，首先，要將原圖像進行灰度線性變換，可求出其相應的灰度信息[8]。然后，要根據灰度圖像的直方圖選取合適的閾值范圍，將灰度圖像轉化為二值化圖像，根據二值化圖像進行橫向填充、縱向填充，再利用坐標掃描法求得車頂長度、車身長度、車輛高度和車頂位置（據此可求得待識別車輛的頂長比、頂高比和前后比）。最后，應用特征匹配法對待識別車

41、輛進行車型的判別。</p><p>　　應用基于灰度閾值分割法的車型識別系統(tǒng)對待識別車輛進行車型的判別，能否準確的選取合適的閾值范圍直接關系到圖像分割的好壞，直接影響特征提取和特征匹配工作效果的好壞。當待識別車輛的顏色與背景圖像的顏色對比鮮明時，表現在圖像直方圖上為灰度級分布明顯分開，這時可較容易選取合適的范圍以達到圖像分割的目的，提取待識別車輛。而當待識別車輛的顏色與圖像中除待識別車輛外其余部分顏色相近時，待識

42、別車輛的灰度級分布與圖像中除待識別車輛外其余部分的灰度級分布有明顯交疊，這時不易選取閾值范圍進行圖像分割，即使勉強分割出了待識別車輛，往往效果也較差，最后的判別結果也會不準確[9]。</p><p>　　4 基于圖像背景差值法的車型識別</p><p>　　固定鏡頭保持不動，對得到的視頻進行分幀處理，各幀圖像的背景是保持不變的，設背景圖像的灰度值為，含有待識別車輛的圖像的灰度值為，讓含有待

43、識別車輛的圖像的灰度值減去背景的灰度值可得待識別車輛的灰度值：</p><p><b>　?。?-1）</b></p><p>　　即可完成對待識別車輛的分割[10]。</p><p>　　4.1 介紹各模塊設計</p><p>　　4.1.1 預處理模塊</p><p>　　基于圖像背景差值法的

44、車型識別系統(tǒng)對含有噪聲的圖像進行預處理，濾除干擾、噪聲，獲得較高品質的圖像，要進行灰度圖像變換、圖像平滑、減背景處理和圖像填充，以達到提高圖像質量的目的，為接下來進行車輛輪廓特征的提取提供必要的基礎。預處理流程如下圖所示：</p><p><b>　　二值化</b></p><p>　　圖4.1 預處理流程圖</p><p>　　灰度圖像變換：

45、當光線情況不太理想時，與彩色圖像相比灰度圖像更易于分辨，為了滿足光線情況多樣性，有必要對彩色圖像進行灰度變換，這樣既易于處理又減少了計算量。</p><p>　　圖像平滑：為了減少噪聲、干擾的影響，需要對含有待識別車輛的圖像進行平滑處理。主要有基于空域和頻域的方法，中值濾波屬于基于空域的非線性平滑濾波方法，該方法對椒鹽噪聲的濾波效果較好[11]。</p><p>　　減背景、二值化處理：將

46、含有待識別車輛的圖像與不含待識別車輛的背景圖像相減，提取出只含有待識別車輛的圖像，達到圖像分割的目的。</p><p>　　圖像填充：由于噪聲、干擾的影響，基于灰度閾值分割法進行圖像分割得到的待識別車輛的灰度級并非全部都為255，這時進行圖像填充是很有必要的，經過圖像填充，可使圖像上車輛部分的灰度級一致，有利于車輛的特征提取。</p><p>　　4.1.2 特征提取模塊</p>

47、;<p>　　對攝取的圖像進行預處理后，得到的灰度圖像只有兩個灰度級（0和255），由于只有兩個灰度級便于對灰度圖像進行掃描，再經過計算、比對可提取待識別車輛的三個特征比[12]。</p><p>　　4.1.3 特征匹配模塊</p><p>　　基于灰度閾值分割法的車型識別系統(tǒng)進行車型的判別時采用特征匹配算法，該算法輸入一組待識別車輛的特征值數據，判別過程如下：</p

48、><p>　　(1)輸入一組特征值數據；</p><p>　　(2)如果前后比＜0.6，則該車輛為貨車，否則轉至(3)；</p><p>　　(3)如果頂長比＞0.3，則該車為客車，否則該車為轎車。程序流程如下圖所示：</p><p><b>　　是</b></p><p><b>　　否&

49、lt;/b></p><p>　　否 是</p><p>　　圖4.2 程序流程圖</p><p><b>　　4.2 運行結果</b></p><p>　　該課題應用基于圖像背景差值法的車型識別系統(tǒng)對17輛待識別車輛進行了車型判別，對不同的情況進行了驗證，包括同背景不同車型、同車

50、型不同背景、同車型不同位置、同車型不同大小。（1）-（12）基于圖像背景差值法的車型識別系統(tǒng)的背景圖像比較簡單，色彩較單調，顏色差異明顯，待識別車輛易于從背景圖像中分割出來。（13）、（14）背景亮暗分明，（15）-（17）的背景圖像較復雜，運行結果如下：</p><p>　?。?）待識別車輛為轎車,運行程序后識別結果為轎車(識別結果正確，但填充效果差）。</p><p>　　圖4.3 背

51、景圖像 圖4.4 原彩色圖像</p><p>　　圖4.5 灰度圖像 圖4.6 中值濾波圖像</p><p>　　圖4.7 圖像分割、填充圖</p><p>　　（2）待識別車輛為轎車,運行程序后識別結果為轎車(識別結果正確，且填充效果很好）。與（1）相比待識

52、別車輛大小不變，顏色明亮許多。</p><p>　　圖4.8 背景圖像 圖4.9 原彩色圖像</p><p>　　圖4.10 灰度圖像 圖4.11 中值濾波圖像</p><p>　　圖4.12 圖像分割、填充圖</p><p>　　（3

53、）待識別車輛為轎車,運行程序后識別結果為轎車(結果正確，但填充效果很差）。</p><p>　　與（1）、（2）相比待識別車輛的顏色由亮色變?yōu)榱税瞪?lt;/p><p>　　圖4.13 背景圖像 圖4.14 原彩色圖像</p><p>　　圖4.15 灰度圖像

54、 圖4.16 中值濾波圖像</p><p>　　圖4.17 圖像分割、填充圖</p><p>　?。?）待識別車輛為轎車,運行程序后識別結果為轎車(識別結果正確，填充效果一般）。</p><p>　　待識別車輛的顏色與背景中天空的顏色相近。</p><p>　　圖4.18 背景圖像 圖

55、4.19 原彩色圖像</p><p>　　圖4.20 灰度圖像 圖4.21 中值濾波圖像</p><p>　　圖4.22 圖像分割、填充圖</p><p>　　待識別車輛為貨車,運行程序后識別結果為貨車(識別結果正確，填充效果很差）。待識別車輛的顏色與背景中宣傳牌的顏色相近。</p><p&g

56、t;　　圖4.23 背景圖像 圖4.24 原彩色圖像</p><p>　　圖4.25 灰度圖像 圖4.26 中值濾波圖像</p><p>　　圖4.27 圖像分割、填充圖</p><p>　?。?）待識別車輛為貨車,運行程序后識別結果為貨車(識別結果正確，填充

57、效果一般）。</p><p>　　與（5）相比待識別車輛的顏色變?yōu)榱税咨?，圖像分割效果有所改善。</p><p>　　圖4.28 背景圖像 圖4.29 原彩色圖像</p><p>　　圖4.30 灰度圖像 圖4.31 中值濾波圖像</p><

58、;p>　　圖4.32 圖像分割、填充圖</p><p>　　（7）待識別車輛為貨車,運行程序后識別結果為貨車(識別結果正確，填充效果很差）。</p><p>　　待識別車輛顏色與背景中宣傳牌的顏色相近，與（5）相比車輛大小有變化。</p><p>　　圖4.33 背景圖像 圖4.34 原彩色圖像

59、 </p><p>　　圖4.35 灰度圖像 圖4.36 中值濾波圖像</p><p>　　圖4.37 圖像分割、填充圖</p><p>　　（8）待識別車輛為貨車,運行程序后識別結果為貨車(識別結果正確，填充效果很差）。</p><p>　　待識別車輛顏色與背景中宣傳牌的顏色

60、相近，車輛的大小與（5）、（7）不同。</p><p>　　圖4.38 背景圖像 圖4.39 原彩色圖像</p><p>　　圖4.40 灰度圖像 圖4.41 中值濾波圖像</p><p>　　圖4.42 圖像分割、填充圖</p><p&g

61、t;　?。?）待識別車輛為貨車,運行程序后識別結果為貨車(識別結果正確，填充效果很差）。</p><p>　　待識別車輛的顏色與背景中宣傳牌顏色相近，且車輛較大。</p><p>　　圖4.43 背景圖像 圖4.44 原彩色圖像</p><p>　　圖4.45 灰度圖像

62、 圖4.46 中值濾波圖像</p><p>　　圖4.47 圖像分割、填充圖</p><p>　?。?0）待識別車輛為客車,運行程序后識別結果為客車(識別結果正確，填充效果很好）。待識別車輛顏色鮮明，明顯有別于背景。</p><p>　　圖4.48 背景圖像 圖4.49 原彩色圖像</p>

63、<p>　　圖4.50 灰度圖像 圖4.51 中值濾波圖像</p><p>　　圖4.52 圖像分割、填充圖</p><p>　　（11）待識別車輛為客車,運行程序后識別結果為客車(識別結果正確，填充效果很好）。待識別車輛顏色鮮明，明顯有別于背景。</p><p>　　圖4.53 背景圖像

64、 圖4.54 原彩色圖像</p><p>　　圖4.55 灰度圖像 圖4.56 中值濾波圖像</p><p>　　圖4.57 圖像分割、填充圖</p><p>　　(12)待識別車輛為客車,運行程序后識別結果為貨車(識別結果錯誤，填充效果很好）。</p>&

65、lt;p>　　彩色圖像中車輛較長，車身色彩鮮明。</p><p>　　圖4.58 背景圖像 圖4.59 原彩色圖像</p><p>　　圖4.60 灰度圖像 圖4.61 中值濾波圖像</p><p>　　圖4.62 圖像分割、填充圖</p>

66、<p>　　(13)待識別車輛為轎車,運行程序后識別結果為轎車(識別結果正確，填充效果很差）。</p><p>　　待識別車輛為灰色與車前公路和車后墻面色調基本一致。</p><p>　　圖4.63 背景圖像 圖4.64 原彩色圖像</p><p>　　圖4.65 灰度圖像

67、 圖4.66 中值濾波圖像</p><p>　　圖4.67 圖像分割、填充圖</p><p>　　(14)待識別車輛為轎車,運行程序后識別結果為轎車(識別結果正確，填充效果很差）。</p><p>　　待識別車輛顏色較亮，與背景對比明顯。</p><p>　　圖4.68 背景圖像

68、 圖4.69 原彩色圖像 </p><p>　　圖4.70 灰度圖像 圖4.71 中值濾波圖像</p><p>　　圖4.72 圖像分割、填充圖</p><p>　　待識別車輛為轎車,運行程序后識別結果為轎車(識別結果正

69、確，而且填充效果很好）。待識別車輛顏色較亮，明顯有別于背景。</p><p>　　圖4.73 背景圖像 圖4.74 原彩色圖像</p><p>　　圖4.75 灰度圖像 圖4.76 中值濾波圖像</p><p>　　圖4.77 圖像分割、填充圖</p&g

70、t;<p>　　(16)待識別車輛為貨車,運行程序后識別結果為貨車(識別結果正確，但填充效果很差）。與（15）相比，待識別車輛的車型改變，顏色明顯有別于背景。</p><p>　　圖4.78 背景圖像 圖4.79 原彩色圖像 </p>

71、<p>　　圖4.80 灰度圖像 圖4.81 中值濾波圖像</p><p>　　圖4.82 圖像分割、填充圖</p><p>　　(17)待識別車輛為客車,運行程序后識別結果為客車(識別結果正確，而且填充效果較好）。與（15）、（16）相比待識別車輛車型改變，車輛顏色明亮，與背景顏色對比鮮明。</p><p

72、>　　圖4.83 背景圖像 圖4.84 原彩色圖像</p><p>　　圖4.85 灰度圖像 圖4.86 中值濾波圖像</p><p>　　圖4.87 圖像分割、填充圖</p><p><b>　　4.3結果分析</b></p

73、><p>　　基于圖像背景差值法的車型識別系統(tǒng)的基本原理是利用含有待識別車輛圖像的灰度值與背景圖像的灰度值相減得到待識別車輛的灰度值，再對待識別車輛的灰度值進行二值化處理和圖像填充以達到圖像分割的目的。同樣，基于背景圖像差值法的車型識別系統(tǒng)能否準確判別車型也與待識別車輛顏色和背景顏色是否具有明顯差異性緊密相關，當待識別車輛顏色與背景的顏色具有明顯差異性時，待識別車輛的灰度級分布與背景灰度級的分布會明顯分散開，這時相減

74、得到的待識別車輛的灰度值較好，而當待識別車輛的灰度級分布與背景圖像的灰度級分布比較集中時，這時相減得到的待識別車輛的灰度值可能會出現明顯殘缺，相應的圖像分割效果會很差。同樣，當背景較簡單、色彩較單一時，背景的灰度級分布比較集中，圖像分割的效果也會較理想。</p><p>　　另一方面，應用背景差值法，若要想達到較好的圖像分割效果，在攝取視頻時盡量保持攝像機的位置不動，這樣對視頻圖像進行分幀得到的各幀圖像的背景是不

75、變的，這樣進行差值也會方便許多[13]。</p><p><b>　　4.4 結果對比 </b></p><p>　　基于灰度閾值分割法的車型識別系統(tǒng)：該課題對該方法進行驗證時，選取了5輛待識別車輛，其中有2輛轎車、1輛貨車和2輛客車。驗證如下表所示：</p><p>　　表4-1 基于灰度閾值分割法的車型識別系統(tǒng)驗證結果</p>

76、<p>　　表4-1 基于灰度閾值分割法的車型識別系統(tǒng)驗證結果</p><p>　　基于圖像背景差值法的車型識別系統(tǒng)：該課題對該方法進行驗證時，選取了17輛待識別車輛，其中有7輛轎車、6輛貨車和4輛客車。驗證如下表所示：</p><p>　　表4-2 基于圖像背景差值法的車型識別系統(tǒng)驗證結果</p><p>　　通過以上的表4-1與表4-2的對比可

77、知，基于圖像背景差值法的車型識別系統(tǒng)的識別率要高于基于灰度閾值分割法的車型識別系統(tǒng)的識別率。</p><p><b>　　結 論</b></p><p>　　該課題研究視頻圖像中車輛的車型識別，總體思路為對含有待識別車輛的視頻進行分幀處理，通過對分幀的圖像進行一系列處理、計算、比對達到對其所屬車型判別的目的[14]。該課題以主成分分析法為基礎，根據預處理階段進行圖

78、像分割采用方法的不同可分為基于灰度閾值分割法的車型識別系統(tǒng)和基于圖像背景差值法的車型識別系統(tǒng)。該課題重點研究了圖像分割和特征提取工作,能否很好地將待識別車輛從背景中分割出來直接影響到后續(xù)工作的進行。</p><p>　　基于灰度閾值分割法的車型識別系統(tǒng)需要求得含有待識別車輛的直方圖，根據圖像直方圖的灰度級分布，確定待識別車輛的灰度閾值范圍，對灰度級進行分類、二值化（將閾值范圍內的灰度值統(tǒng)一設定為255級，閾值范圍

79、外的灰度值統(tǒng)一設定為0級）。該系統(tǒng)需要人為確定閾值范圍，人為因素在該系統(tǒng)中起著重要作用，直接影響著車型判別結果的準確性。該系統(tǒng)要求人為參與作用較大，系統(tǒng)工作較為復雜，而且對于待識別車輛顏色與背景顏色相近的圖像，也不易人為確定閾值范圍來進行圖像分割。</p><p>　　基于圖像背景差值法的車型識別系統(tǒng)需要將含有待識別車輛的圖像的灰度值與背景圖像的灰度值相減，若固定攝像機的位置，就能保證對視頻進行分幀后提取的圖像的

80、背景是基本不變的。經過驗證應用該方法進行圖像差值，除了待識別車輛和待識別車輛邊緣的背景外大多都能較好地去除。該方法并不需要人為因素的作用，智能化程度較高。</p><p>　　對進行圖像分割的圖像進行填充，使待識別車輛的灰度級為255，背景的灰度級為0，利用坐標掃描法提取待識別車輛的相關信息，依此可求出所需的三個特征比[15]?？梢砸罁颂卣髦颠M行特征匹配識別車型。</p><p>　　基

81、于圖像背景差值法的車型識別系統(tǒng)的性能要明顯優(yōu)于基于灰度閾值分割法的車型識別系統(tǒng)的性能，進行待識別車輛分割的效果也要明顯好一些。經過對比驗證可以得出基于圖像背景差值法的車型識別系統(tǒng)的識別準確率要明顯高于基于灰度閾值分割法的車型識別系統(tǒng)，而且計算量也較少，識別速度較快。</p><p>　　本課題以主成分分析法為主體思路，應用該方法對攝取的圖像質量要求較高，主特征的提取效果直接影響判別的準確性[16]。但是，現在車型

82、的外觀多樣化，主成分分析法已很難達到理想的識別效果。現在國內外的學者正在研究新的方法進行更高效的車型識別，而且已經取得了顯著成果。應用主成分分析法的車型識別系統(tǒng)對條件要求較為嚴格，而且需要人為因素的作用，所以有待進一步研究。</p><p><b>　　參 考 文 獻</b></p><p>　　杜華英. 基于車型識別的BP算法Matlab實現. 計算機與現代化, 2

83、012, 5.</p><p>　　鄧天民，于勇. 基于Gabor變換和隱馬爾可夫模型的車型識別研究. 交通標準化, 2008, 4.</p><p>　　周愛軍, 杜宇人. 基于視頻圖像Harris角點檢測的車型識別. 揚州大學學報（自然科學版）, 2008, 11(1).</p><p>　　季晨光, 張曉宇, 白相宇. 基于視頻圖像中的車型識別

84、. 遼寧工業(yè)大學學報（自 然科學版）,2010, (1).</p><p>　　車德欣, 李小平. 基于小波分析和矩不變量的車型識別. 學術論文, 2006.</p><p>　　胡方明, 簡琴, 張秀君. 基于BP神經網絡的車型分類器. 西安電子科技大學學報（自然科學版）, 2005, 32(3).</p><p>　　

85、馬蓓, 張樂. 基于紋理特征的汽車車型識別. 電子科技, 2010, 23(2).</p><p>　　馬軍, 賀俊吉, 史立. 轎車局部區(qū)域特征提取與車型識別. 上海海事大學學報, 2011, 32(3).</p><p>　　婁莉, 黨瑞榮. 基于智能圖像處理技術的車型識別. 微電子學與計算機, 2006, 23(6).</p><p>　　劉直芳, 游志勝,

86、徐欣, 曹剛. 車型識別系統(tǒng)中利用陰影特點快速定位車體. 紅外技術, 2002, 24(6).</p><p>　　吳志攀, 趙躍龍. 車型圖像分割方法的研究. 惠州學院院報(自然科學版), 2005, 25(6).</p><p>　　朱志勇, 劉偉銘, 伍友龍. 基于Bayes法則和BP神經網絡的高速動態(tài)情形下車型識別. 計算機測量與控制, 2005, 13(7).</p>

87、<p>　　楊帆，丁士心，唐紅梅，張志偉．數字圖像處理與分析，北京：北京航空航天大學出版社，2007.</p><p>　　林通，張宏江，封舉富，石青云.鏡頭內容分析及其在視頻檢索中的應用.軟件學報，2002,31（08）：1577-1585.</p><p>　　侯冠華，史萍.視頻分割與場景聚類算法研究.中國傳媒大學學報自然科學版，2006.06，13（02）：32-37.

88、</p><p>　　房岳樓，徐慶.視頻關鍵幀選取方法和可視化表現研究.中國優(yōu)秀碩士學位論文全文數據庫.2008.06：11-23.</p><p><b>　　致 謝</b></p><p>　　三個月的畢業(yè)設計即將結束，這次畢業(yè)設計使我對本科所學習的知識有了一次系統(tǒng)的應用。在系統(tǒng)設計期間，有時會感到沒有頭緒，找不到突破口，老師和同學給了

89、我中肯的建議，通過查閱相關的書籍、網上資料，我找到了解決問題的方法，經歷了這一過程，我不僅學到了知識，更學到了遇到問題時解決問題的方法。在這里尤其要感謝我的畢設指導老師，在這三個月中劉老師給了我無私的幫助，使我明白了整個課題設計的思路及撰寫論文的過程。劉老師不厭其煩地教導我，幫助我解決問題，更教會了我分析問題的思路。</p><p>　　也很感謝在這篇論文中所涉及到的所有學者，你們的理論研究對我的畢設起到了很大的