车型识别技术在视频监控中的应用

论文摘要

智能交通系统(Intelligent Transportation Systems,ITS)是目前交通运输领域广泛关注的课题。车型识别作为ITS的关键技术,一直是研究的热点和难点之一。本文研究和实现了一个应用于视频监控中的车型识别系统。该系统的处理过程主要包括四个阶段:前景分割、目标检测、特征提取和车型分类。本文首先利用背景差分方法在复杂背景中提取车辆目标,接着对差分结果进行区域连通检测和形态学图像处理,确定出候选区域,并进一步定位出车脸图像,然后分别应用特征脸方法和基于纹理特征的方法提取车脸的特征,最后用最小距离法进行车型分类识别。实验结果表明,本文提出的车型识别方法是简便、快捷、有效的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 第二章 数字图像处理基本知识
• 2.1 颜色模型
• 2.1.1 RGB 颜色模型
• 2.1.2 HSI 颜色模型
• 2.2 彩色图像的灰度化
• 2.3 灰度图像的二值化
• 2.3.1 二值化
• 2.3.2 图像增强技术
• 2.4 基于数学形态学的图像处理技术
• 2.4.1 腐蚀与膨胀
• 2.4.2 开启与闭合
• 第三章 运动目标检测与提取
• 3.1 引言
• 3.2 光流法
• 3.2.1 基于梯度的光流法
• 3.2.2 基于块匹配的光流法
• 3.3 帧间差法提取运动目标
• 3.4 背景差分算法
• 第四章 特征提取方法概述
• 4.1 引言
• 4.2 颜色特征
• 4.2.1 颜色特征
• 4.2.2 常用的颜色特征提取方法
• 4.3 空间关系特征
• 4.3.1 空间关系
• 4.3.2 常用的特征提取与匹配方法
• 4.4 代数特征
• 4.5 纹理特征
• 4.5.1 纹理特征
• 4.5.2 纹理特征描述方法
• 第五章 基于特征脸和纹理特征的车型识别研究
• 5.1 基于特征脸的车型识别方法研究
• 5.1.1 特征脸法
• 5.1.2 基于K-L 变换的特征脸法
• 5.1.3 特征脸法具体步骤
• 5.1.4 计算特征脸
• 5.1.5 基于特征脸的车脸车型识别
• 5.2 基于纹理特征的车型识别方法研究
• 5.2.1 灰度共生矩阵算法
• 5.2.2 纹理特征的提取
• 5.2.3 基于纹理特征的车脸车型识别
• 第六章 实验结果及分析
• 6.1 实验系统环境和开发工具
• 6.2 系统功能模块分析
• 6.2.1 图像预处理模块
• 6.2.2 图像特征提取模块
• 6.2.3 识别模块
• 6.3 优缺点分析
• 6.3.1 特征脸法优缺点
• 6.3.2 共生矩阵算法优缺点
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 论文进一步的工作展望
• 致谢
• 参考文献