隨著我國城鎮(zhèn)化建設的深入開展,城市的道路交通也面臨著巨大的壓力和挑戰(zhàn),“道路擁堵嚴重”、“交通事故頻發(fā)”等問題層出不窮,對社會經濟發(fā)展造成了一定的制約,也給城市治安管理帶來了許多的麻煩。為了緩解交管部門的壓力,給市民提供更方便的出行條件,智能交通系統(tǒng)應運而生。本文研究的車輛多特征識別是智能交通系統(tǒng)的重要組成部分,識別內容主要包括車輛號牌、型號以及顏色。本文圍繞車輛多特征識別方法研究與實現,展開了以下工作:(1)研究了一種基于聚合通道特征的車輛檢測方法,該特征包含3個LUV通道、1個歸一化梯度幅值通道以及6個方向梯度直方圖通道,不僅包含了目標整體輪廓特征,還包含了目標局部梯度特征。算法針對本文收集的高速公路監(jiān)控數據、行車記錄儀數據等單視角圖像具有良好的檢測效果。針對低對比度車輛圖像,研究了一種車輛圖像增強算法,能夠有效地緩解環(huán)境和光照帶來的影響,間接地提高了后續(xù)車輛號牌、型號以及顏色識別的準確率。(2)研究了一種基于顏色和字符特征的車輛號牌定位方法,充分結合了顏色檢測的快速性和字符檢測的準確性,在自建的復雜場景數據庫中測試,召回率為93.12%,準確率為94.49%。偽號牌剔除采用了LBP特征結合SVM分類器的辦法進行。針對易混字符識別,采用了多級SVM策略減小誤識率,單字符識別率達到了96.15%。經過實驗得出,本文號牌識別算法框架適用于多種復雜場景,具有良好的魯棒性。(3)針對傳統(tǒng)機器學習算法無法對車輛型號進行細致分類的問題,探討了一種基于深度學習的車輛型號識別方法,采用微調預訓練網絡模型的策略,在車輛型號數據庫中測試結果為:top-1錯誤率28.2%,top-5錯誤率12.9%。改進了傳統(tǒng)方法中提取感興趣區(qū)域進行車輛顏色識別的辦法,研究了一種基于深度學習的車輛顏色識別方法,有效避免了感興趣區(qū)域定位出錯導致識別錯誤的情況。為了研究在深度學習背景下,色彩空間對車輛顏色識別效果的影響,本文進行了對比實驗,在車輛顏色數據庫中,RGB色彩空間具有最好的分類效果,平均準確率達到了93.77%。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U495;TP391.41

【參考文獻】

相關期刊論文 前1條

1 郇鵬,張仲義;基于射頻技術的高速公路不停車收費系統(tǒng)[J];交通運輸系統(tǒng)工程與信息;2004年02期

相關碩士學位論文 前3條

1 于國輝;車輛多特征識別算法研究與實現[D];電子科技大學;2016年

2 陳熊;基于機器視覺的車輛檢測方法研究[D];電子科技大學;2016年

3 卜英家;基于計算機視覺的車牌識別系統(tǒng)的算法研究[D];電子科技大學;2015年

本文編號：1523808