伴隨著機(jī)動(dòng)車保有量的逐年增加,我國(guó)交通問題日益嚴(yán)峻,車輛身份信息的獲取與識(shí)別逐漸成為智能交通系統(tǒng)中的一個(gè)研究熱點(diǎn)。車輛標(biāo)志是除車輛牌照之外最可區(qū)分車輛身份信息的標(biāo)志之一,其識(shí)別研究具有重要的意義。同時(shí)車標(biāo)體積小、品牌間相似程度高等因素,也使得車標(biāo)識(shí)別的研究存在非常大的挑戰(zhàn)。針對(duì)現(xiàn)有技術(shù)存在魯棒性低、實(shí)時(shí)性差的問題,本文提出一種新的車標(biāo)識(shí)別算法,包括車標(biāo)定位和車標(biāo)識(shí)別兩個(gè)階段。本文的主要工作和創(chuàng)新點(diǎn)如下:在車標(biāo)定位階段,提出基于先驗(yàn)知識(shí)與背景紋理抑制的車標(biāo)定位方法。利用基于局部二值模式（Local Binary Pattern,LBP）的Adaboost方法得到車牌的先驗(yàn)位置,并參照車牌與車標(biāo)之間的位置結(jié)構(gòu)特性,獲取包含車標(biāo)的候選區(qū)域;在此基礎(chǔ)上,采用Sobel算子和Gabor濾波器相結(jié)合的紋理抑制方法,去掉車標(biāo)周圍的背景,獲得精確的車標(biāo)位置。在車標(biāo)識(shí)別階段,提出基于分層梯度方向直方圖（Pyramid Histogram of Orientated Gradients,PHOG）和ORB（Oriented FAST and Rotated BRIEF）算法的車標(biāo)二級(jí)識(shí)別。針對(duì)傳統(tǒng)的PHO... 

【文章來源】：河北工業(yè)大學(xué)天津市 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

車標(biāo)識(shí)別處理流程

河北工業(yè)大學(xué)碩士學(xué)位論文-9-其變換函數(shù)如式(2.2)所示：1111211121222222---255--25()5-yxxxxyyxxyxxyxxyfxxxxxxx(2.2)公式中，車輛圖像的整體灰度值范圍為[0,255]，(x1,y1)和(x2,y2)作為分段線性函數(shù)的拐點(diǎn)，均為給定的值。其中，本文設(shè)定y1=0.2×255，y2=0.8×255；當(dāng)輸入圖像大小為m×n時(shí)，通過計(jì)算其直方圖g(i)，確定x1與x2的方法如公式(2.3)和(2.4)所示：1x=min[100.2xigimn](2.3)2x=max[200.8xigimn](2.4)車輛圖像經(jīng)過灰度拉伸處理后如圖2.3所示。a)(a)原始灰度圖(b)灰度拉伸后圖片圖2.3原始灰度圖與灰度拉伸后圖片圖2.3(a)中的原始灰度圖分別為低照度天氣情況、霧霾天氣情況以及正常光照情況下采集的車輛監(jiān)控圖像。經(jīng)過灰度拉伸處理之后，能夠從圖2.3(b)中明顯看出，圖像的對(duì)比度得到改善，使車輛圖像更顯著，有利于后續(xù)處理工作的進(jìn)行。

基于PHOG和ORB的車標(biāo)識(shí)別算法研究-14-(b)夜間監(jiān)控車輛車牌定位(c)霧霾監(jiān)控車輛車牌定位(d)白天監(jiān)控車輛車牌定位圖2.7車牌定位效果示意圖圖2.7展示了本文車輛圖像的在傾斜卡口、夜晚、霧霾和白天的車牌定位情況。體現(xiàn)了本文基于LBP與Adaboost的車牌定位方法對(duì)車牌的定位能力，能夠?yàn)楹罄m(xù)車標(biāo)的定位與識(shí)別提供保證。2.4本章小結(jié)本章的主要目的在于對(duì)車輛圖像進(jìn)行預(yù)處理并對(duì)車牌位置進(jìn)行檢測(cè)。在算法上，首先對(duì)輸入的彩色車輛圖像進(jìn)行灰度轉(zhuǎn)換以及對(duì)比度拉伸。之后對(duì)車輛圖像提取LBP特征，結(jié)合Adaboost級(jí)聯(lián)分類器，對(duì)車牌進(jìn)行位置的檢測(cè)，為下一章的車標(biāo)定位奠定一個(gè)良好的基矗

【參考文獻(xiàn)】：
期刊論文
[1]一種基于LBP與HOG聯(lián)合特征的車標(biāo)識(shí)別方法[J]. 張素雯,張永輝,楊潔,李松斌.  網(wǎng)絡(luò)新媒體技術(shù). 2016(06)
[2]基于散熱器柵格背景精確分類的車標(biāo)定位方法[J]. 李熙瑩,呂碩,袁敏賢,江倩殷,余志.  計(jì)算機(jī)工程與應(yīng)用. 2017(02)
[3]基于聯(lián)合層特征的卷積神經(jīng)網(wǎng)絡(luò)在車標(biāo)識(shí)別中的應(yīng)用[J]. 張力,張洞明,鄭宏.  計(jì)算機(jī)應(yīng)用. 2016(02)
[4]Patch-based vehicle logo detection with patch intensity and weight matrix[J]. 劉海明,黃樟燦,Ahmed Mahgoub Ahmed Talab.  Journal of Central South University. 2015(12)
[5]基于先驗(yàn)知識(shí)和紋理方向性的車標(biāo)定位方法[J]. 王建,任明武.  計(jì)算機(jī)應(yīng)用與軟件. 2014(05)
[6]基于改進(jìn)HOG特征值的車標(biāo)檢測(cè)與識(shí)別方法[J]. 魯豐,劉蕓,張仁輝.  光通信研究. 2012(05)
[7]Radon變換在傾斜車牌圖像校正中的應(yīng)用[J]. 貢麗霞,白艷萍.  測(cè)試技術(shù)學(xué)報(bào). 2009(05)
[8]一種新的基于Radon變換的車牌傾斜校正方法[J]. 賈曉丹,李文舉,王海姣.  計(jì)算機(jī)工程與應(yīng)用. 2008(03)
[9]車牌照字符傾斜校正方法的研究[J]. 楊立剛,張興會(huì),李蘭友.  儀器儀表學(xué)報(bào). 2004(S1)
[10]車牌識(shí)別中傾斜牌照的快速矯正算法[J]. 芮挺,沈春林,張金林.  計(jì)算機(jī)工程. 2004(13)

博士論文
[1]車輛識(shí)別系統(tǒng)中的基礎(chǔ)性算法研究[D]. 王鈺.北京交通大學(xué) 2010

碩士論文
[1]基于樹狀卷積神經(jīng)網(wǎng)絡(luò)的車標(biāo)識(shí)別[D]. 吳章輝.湘潭大學(xué) 2017
[2]基于智能圖像處理的車標(biāo)識(shí)別研究[D]. 李夢(mèng).北京交通大學(xué) 2017
[3]基于圖像的車標(biāo)定位與識(shí)別[D]. 周陽.北方工業(yè)大學(xué) 2015
[4]基于LBP和Adaboost的人臉識(shí)別算法研究[D]. 周士奇.東北大學(xué) 2010



本文編號(hào)：3227848