隨著社會(huì)的發(fā)展,車(chē)輛成為人們出行的主要交通工具,越來(lái)越多的車(chē)輛造成了嚴(yán)重的道路交通安全問(wèn)題,因此對(duì)智能交通系統(tǒng)的要求越來(lái)越高。車(chē)牌檢測(cè)和駕駛員人臉檢測(cè)作為智能交通系統(tǒng)的重要組成部分,成為近幾年的研究熱點(diǎn)問(wèn)題。由于交通道路監(jiān)控?cái)z像頭的特殊性,使得車(chē)牌檢測(cè)和駕駛員人臉檢測(cè)效果都不理想。為解決這些問(wèn)題,本文提出了一種基于可變形部件模型的車(chē)牌及駕駛員人臉檢測(cè)的方法。本文設(shè)計(jì)的檢測(cè)方法分為三個(gè)階段:首先,利用車(chē)牌的位置信息,從含有車(chē)輛的圖像中檢測(cè)車(chē)牌并給出車(chē)牌位置信息,將車(chē)牌的位置信息作為可變形部件的根模板;然后,使用聚合通道特征(LUV、局部二值模式和方向梯度直方圖),結(jié)合AdaBoost分類(lèi)器從待檢圖像中檢測(cè)到一些候選人臉窗口;最后,利用車(chē)牌位置和駕駛員人臉位置的相對(duì)關(guān)系,將駕駛員人臉作為部件模板,通過(guò)驗(yàn)證車(chē)牌與駕駛員人臉整體的合理性,來(lái)濾除虛警。在訓(xùn)練階段,為盡可能提高檢測(cè)器的召回率,降低漏檢率。然后通過(guò)可變形部件模型來(lái)濾除虛警,使得準(zhǔn)確率上升,并且對(duì)召回率的影響較小。本文收集交通監(jiān)控所拍攝到的圖像分為白天和晚上兩部分作為數(shù)據(jù)集,共計(jì)2062張圖像。利用數(shù)據(jù)集來(lái)驗(yàn)證提出方法的有效性,白天駕...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究工作
    1.4 論文的結(jié)構(gòu)和內(nèi)容
    1.5 本章小結(jié)
2 車(chē)牌檢測(cè)
    2.1 圖像預(yù)處理
    2.2 邊緣檢測(cè)
    2.3 圖像二值化
    2.4 數(shù)學(xué)形態(tài)學(xué)操作
    2.5 車(chē)牌定位
    2.6 車(chē)牌檢測(cè)模塊小結(jié)
3 駕駛員人臉檢測(cè)
    3.1 聚合通道特征
    3.2 AdaBoost
    3.3 SVM
    3.4 基于ACF駕駛員人臉檢測(cè)
    3.5 濾除虛警
    3.6 本章小結(jié)
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 駕駛員人臉數(shù)據(jù)庫(kù)
    4.2 訓(xùn)練數(shù)據(jù)
    4.3 通道特征比較
    4.4 實(shí)驗(yàn)結(jié)果比較
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的學(xué)術(shù)成果和獲獎(jiǎng)情況



本文編號(hào)：3760506