智能交通中的車型識別研究.pdf

1、智能交通系統(tǒng)是現(xiàn)代化交通的重要組成部分，而車型的自動識別是智能交通領(lǐng)域中的一個重要研究方向。它主要應(yīng)用在高速公路收費、停車場管理、道路交通狀況監(jiān)管等領(lǐng)域。利用圖像處理和模式識別技術(shù)的車型識別系統(tǒng)，安裝容易、檢測范圍廣、提取信息豐富，是研究的熱點和發(fā)展趨勢。本文設(shè)計了一套基于視頻圖像序列的車型識別系統(tǒng)。
　　本文共包括三個部分：視頻序列中運動車輛檢測、車輛特征提取和車型識別。視頻中運動車輛檢測部分，在分析研究目前常用的多種運動目標(biāo)檢

2、測算法的基礎(chǔ)上，提出了一種三幀差分與統(tǒng)計法相結(jié)合的背景重建和更新方法，該方法可以快速地得到干凈的背景，并且能消除車流量過多所帶來的干擾；同時背景模型可以很快地適應(yīng)場景的變化。利用背景差分法可以得到運動車輛的區(qū)域，針對車輛帶來的陰影，直接在灰度空間利用歸一化的互相關(guān)函數(shù)來消除陰影，最后利用形態(tài)學(xué)處理來去除噪聲并把車輛目標(biāo)提取出來。在實際應(yīng)用中可以得到良好的分割效果。
　　特征提取部分，本文在比較了多種圖像特征后選取了SIFT特征來表

3、征圖像。SIFT特征對于物體尺度、視角和光線變化有較好的魯棒性。本文舍棄了 Lowe方法中比較耗時的特征點檢測方法，采用了利用均勻網(wǎng)格采樣來獲取特征點，然后在指定大小的圖像塊中生成SIFT特征描述子。不僅提取特征速度更快，同時也兼顧了圖像的全局特征，實驗結(jié)果也證明均勻網(wǎng)格采樣的SIFT特征比常規(guī)SIFT有更好的分類性能。
　　在車型識別部分，本文采用了詞袋模型(bag-of-word)和支持向量機(SVM)相結(jié)合的方法把車輛分為小