近年來,隨著機動車數量的快速増長,智能交通系統是未來交通的發展方向。車型識別對于交通規劃以及道路監控也越來越重要,具有較大的研究和應用價值。視頻監控拍攝到的車輛類間特征差異小,并且在復雜場景中的干擾因素多。為了提高交通場景中車輛檢測和識別的準確率,本文提出了一種基于計算機視覺的車型識別技術。本文以交通道路視頻圖像為研究對象,為消除復雜外部環境的干擾和噪聲,采用了包括圖像去噪和圖像增強的預處理方案;然后在視頻序列中的車輛檢測環節,本文詳細分析三種常用運動檢測算法的應用場景和優缺點,提出基于混合高斯模型改進的背景消去法進行運動車輛的識別,消除了車速引起的“拖影”“空洞”現象且避免了光強變化的影響;在運動目標檢測結果中只包含二值化的車輛輪廓而缺乏足夠的顏色、紋理、邊緣和其它局部信息,所以本文對上述二值化結果依次進行了形態學運算、連通域分析、Graphcut方法,從原圖像中完整地分割出包含車輛信息的前景目標;接著引入了LBP和HOG特征來獲得圖像的豐富特征,在輸出層使用機器學習中的SVM分類器通過大量標記數據的多任務學習進行訓練。與傳統方法不同的是,通過對改進的HOG特征使用PCA降維處理加快...

【文章頁數】：64 頁

【學位級別】：碩士

【部分圖文】：

圖&通常運動車輛圖象目標分類的處理流程如圖&

一種基于!"#非相似距離林亞閩江學院計算機系!摘要"車型自動識別是近幾年發展起來的智能交領域的一個熱點!本文在車型識別技術中創新地引入新的法策略!并給出仿真示例處理結果"!關鍵字"車型識別#度量嵌入#堆土機距離#$%#圖象&前言智能交通系統()*!(+,-../0-+,)12....

本文編號：3999916