本文關(guān)鍵詞：基于圖像處理技術(shù)的機(jī)動(dòng)車車型識(shí)別　出處：《天津大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 智能交通系統(tǒng) 車型識(shí)別 圖像增強(qiáng) 模板匹配 分塊

【摘要】：近年來,隨著道路中的汽車日益增多,智能交通系統(tǒng)中的車型識(shí)別在交通監(jiān)控和管制、全自動(dòng)收費(fèi)系統(tǒng)方面起著越來越重要的作用并成為國內(nèi)外研究的熱點(diǎn),有助于管理交通�？焖�,準(zhǔn)確,高效的進(jìn)行車型識(shí)別具有很強(qiáng)的社會(huì)價(jià)值和經(jīng)濟(jì)價(jià)值。對(duì)于道路中正在行駛車輛進(jìn)行圖像處理時(shí),往往會(huì)受到光照,背景,行人或天氣因素的影響,降低識(shí)別效果;同時(shí)處理的實(shí)時(shí)性較差,往往是一種事后提醒。檢測(cè)結(jié)果受系統(tǒng)軟硬件條件限制。如何在復(fù)雜背景下,通過局部特征,整合局部識(shí)別結(jié)果進(jìn)行快速,準(zhǔn)確的車型識(shí)別,是本文重點(diǎn)討論的內(nèi)容。本文研究的內(nèi)容如下:(1)研究了一種基于初始模板進(jìn)行多次分層次匹配,確定準(zhǔn)確車型的具體方法。將圖像進(jìn)行分塊處理,通過圖像增強(qiáng)的預(yù)處理,去除噪聲,增強(qiáng)對(duì)比度。建立初始大、中、小型車輛模板。整合所有區(qū)域在初步模板匹配下的車型識(shí)別結(jié)果,通過概率統(tǒng)計(jì)得到整體初步車型識(shí)別結(jié)果。(2)選取不同的車型所特有的特征區(qū)域模塊作為進(jìn)一步車型識(shí)別的判別依據(jù),將灰度值進(jìn)行近似處理,通過矩陣形式進(jìn)行2次模板匹配確定具體車型。
[Abstract]:In recent years, with the increasing number of road cars, intelligent transportation system vehicle recognition in traffic monitoring and control, automatic charging system plays an increasingly important role and become a hot research at home and abroad, to help manage traffic. Fast, accurate and efficient for vehicle recognition has very strong social the value and economic value. For road vehicles are image processing, often affected by illumination, background, factors affecting pedestrians or weather, reduce the recognition effect; poor real-time processing at the same time, is often an afterthought. Remind the examination result is limitation of hardware and software system. How to under complex background through the integration of local features, local recognition results are fast, accurate vehicle recognition, is emphasized in this paper. The contents of this paper are as follows: (1) study was based on an initial template number A hierarchical matching method is accurate, specific models. Image block processing, noise removal by preprocessing, image enhancement, contrast enhancement. The establishment of the initial template, large, small vehicles. The integration of all the regions in the initial template matching under the vehicle recognition results, obtained preliminary results through the whole vehicle recognition probability (2). The statistical characteristics of regional module selects different models unique as the basis for further discrimination of vehicle recognition, the gray value of the approximate treatment, 2 template matching to determine the specific models through the matrix form.

【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳愛斌;基于特征車的汽車車型識(shí)別[J];信息技術(shù);2004年05期

2 袁志勇,查桂峰,陳綿云,張仁宏;基于反對(duì)稱小波的車型識(shí)別研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年06期

3 袁志勇,查桂峰,陳綿云;基于聚類的二級(jí)模糊綜合評(píng)判的車型識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2005年12期

4 運(yùn)國蓮;陳啟美;丁勝軍;;基于非完備貝葉斯網(wǎng)絡(luò)的車型識(shí)別方法[J];交通與計(jì)算機(jī);2006年01期

5 賈永濤;張帆;;車型識(shí)別專家系統(tǒng)的設(shè)計(jì)[J];計(jì)算機(jī)測(cè)量與控制;2006年04期

6 張寧;施毅;何鐵軍;;基于虛擬線圈的車型識(shí)別研究[J];交通與計(jì)算機(jī);2008年01期

7 顏?zhàn)客?;基于歷史數(shù)據(jù)的車型識(shí)別方案[J];中國交通信息化;2012年03期

8 袁愛龍;陳懷新;吳云峰;;基于尺度顯著性算法的車型識(shí)別方法[J];微型機(jī)與應(yīng)用;2012年15期

9 華莉琴;許維;王拓;馬瑞芳;胥博;;采用改進(jìn)的尺度不變特征轉(zhuǎn)換及多視角模型對(duì)車型識(shí)別[J];西安交通大學(xué)學(xué)報(bào);2013年04期

10 劉玉銘,白明;一種基于模糊模式識(shí)別方法的車型識(shí)別儀[J];公路交通科技;2000年01期

相關(guān)會(huì)議論文 前7條

1 韓冬梅;呂芳;;智能交通系統(tǒng)中車型識(shí)別的軟件設(shè)計(jì)與實(shí)現(xiàn)[A];全國第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

2 王超;劉翠響;;視頻圖像中車輛的車型識(shí)別算法研究與實(shí)現(xiàn)[A];第二十七屆中國（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

3 鄧天民;邵毅明;崔建江;;一種車型識(shí)別算法及其應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

4 張全元;戴光明;陳良;;一種新的基于實(shí)時(shí)視頻流的車型識(shí)別算法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

5 張大奇;曲仕茹;劉真崢;;基于環(huán)投影小波分形特征的車型自動(dòng)識(shí)別方案[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 趙天青;梁旭斌;許學(xué)忠;蔡宗義;張敏;;車型識(shí)別中聽覺特征提取算法的研究[A];第三屆上�！靼猜晫W(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

7 劉直芳;游健;王運(yùn)瓊;游志勝;;運(yùn)動(dòng)汽車投影陰影分割算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前2條

1 李麗宏;基于多傳感器信息融合的超限超載檢測(cè)系統(tǒng)設(shè)計(jì)研究[D];太原理工大學(xué);2013年

2 胡耀民;基于視頻的車型識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 鄧柳;基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別[D];西南交通大學(xué);2015年

2 張明貴;道路車輛的車型識(shí)別方法研究[D];貴州民族大學(xué);2015年

3 涂文華;基于數(shù)據(jù)融合的交通物聯(lián)網(wǎng)感知節(jié)點(diǎn)研究與應(yīng)用[D];南昌大學(xué);2015年

4 劉超;多姿態(tài)車型識(shí)別算法設(shè)計(jì)及應(yīng)用研究[D];電子科技大學(xué);2014年

5 王欣;基于小波分析的車型自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 凌永國;基于卡口圖像車型識(shí)別的研究[D];廣西師范大學(xué);2015年

7 張海彬;基于卡口圖像的車型識(shí)別方法研究[D];合肥工業(yè)大學(xué);2015年

8 郭志明;基于視頻圖像的車型識(shí)別方法的研究[D];東北大學(xué);2014年

9 張飛云;基于深度學(xué)習(xí)的車輛定位及車型識(shí)別研究[D];江蘇大學(xué);2016年

10 程麗霞;監(jiān)控視頻中的車型識(shí)別技術(shù)研究[D];廣東工業(yè)大學(xué);2016年

，

本文編號(hào)：1377409