基于车辆多特征的套牌车识别

摘要

随着我国科学经济的快速发展，私家车越来越多，这就导致城市和农村面临的压力越来越大。各种交通问题频频发生，例如道路拥堵严重、肇事逃逸等交通事故频发，而套牌车的出现更是极大程度上威胁到车主的安全与利益，侵犯了车主的权益，这就对社会的进步和科学的发展产生了非常严重的影响，同时也给城市和农村的交通管理产生了非常严重的不便。为了减轻公安部门和交警的工作压力，保护人民的自身利益，严惩套牌车的使用者和套牌的制造人员，伪造套牌或者车辆行驶执照的人，保护人民的出行安全，所以广大研究人员积极研究套牌车的自动识别系别，以此来减轻交警的工作压力。 论文研究了一套完整的套牌车识别系统，其中有车辆检测、车牌、车标以及车型的识别。其主要工作如下。 (1)设计了一种多特征融合的车辆检测方法，该特征包含边缘轮廓特征、角点数以及纹理特征。试验发现，此方法具有良好的检测效果，为后续的识别工作打下了良好的基础。 (2)利用颜色检测的快速性和纹理特征的准确性，基于颜色和纹理特征设计了一种车辆号牌定位识别方法，处理过程包括sobel边缘检测、横向扫描和纵向切分。实验表明车牌识别算法效果好，适用于多种复杂场景，具有良好的鲁棒性。 (3)基于CNN设计了一种车标车型识别算法。首先对车标图像进行预处理，获取局部特征，把提取到的特征经过迭代运算得到更高级的车标图像特征，用一个一维向量表示车标图像特征。本文使用CNN设计了要识别的车型特征提取算法，避开了车辆可能由于出现的位置识别错误从而引发的其他部分也识别的错误。经过实验验证，平均准确率达到了96.7％。 (4)使用python在Windows环境下实现了套牌车识别系统，其中车牌识别模块已经投入到了实际应用中，车标识别模块和车型识别模块在实验过程中显示出良好的实验效果，已经逐渐进入试用阶段。

目录

声明

摘要

1．1研究背景

1．2国内外研究现状

1．3研究内容和论文结构

2相关理论及关键技术概述

2．1．1OpenCV功能模块

2．2TensorFlow

2．3卷积神经网络(CNN)

2．4支持向量机(SVM)

2．5本章小结

3车辆检测和车牌识别

3．1车辆检测

3．1．1传统车辆检测

3．1．2车辆检测

3．1．3车辆检测实验结果及分析

3．2车牌识别

3．2．1车牌定位

3．2．2车牌识别

3．2．3车牌识别实验结果及分析

3．3本章小结

4车标和车型的识别

4．1车标识别

4．1．1传统车标识别

4．1．2基于CNN的车标识别方法

4．1．3车标识别实验结果及分析

4．2车型识别

4．2．1基于CNN融合SVM的车型识别方法

4．2．2车型识别实验结果及分析

4．3本章小结

5套牌车识别系统的设计与实现

5．1系统环境

5．2系统设计

5．2．1系统架构设计

5．2．2系统功能模块划分

5．2．3数据库的设计

5．2．4套牌车识别系统流程

5．3系统实现

5．3．1登录界面

5．3．2车辆检测和车牌识别

5．3．3车标识别和车型识别

5．4本章小结

6．1总结

6．2展望

参考文献

作者简历

致谢