基于SIFT的车标识别技术研究

摘要

车标作为车辆的关键性信息，将其与车辆其他特征信息结合对智能交通系统更高效地管理车辆有着重要的现实意义。车标识别作为一个尚未成熟的技术领域，在近年来引起了国内外相关学者的关注。本文对车标检测方法和车标识别方法进行了相关研究，并基于本文提出的相关方法开发了车标识别软件。本文的内容可分为以下几个部分:
　　(1)车标检测算法研究。本文研究了一种基于SIFT的车辆倾斜检测与校正方法对车辆进行倾斜校正，以便利于后续的车标定位;然后研究了一种结合Adaboost学习和车牌特征属性的车牌检测方法以改善车牌检测效果;最后提出了一种基于子块像素强度和权重矩阵的车标精定位方法，通过实验与现有的车标精定位方法对比验证了算法的优势;
　　(2)车标识别算法研究。在车标特征提取描述方面，分析了车标SIFT特征和Dense-SIFT特征的优势和不足，提出了一种提取车标的SIFT和Dense-SIFT组合特征的方法，并用词袋模型对组合特征进行描述生成车标视觉词典直方图;针对词袋模型对特征空间位置信息的忽略，对基于车标SIFT和Dense-SIFT组合特征的词袋模型加入了空间金字塔信息。在车标识别方面，提出了一种基于支持向量机的车标分类器模型，实验验证了该分类器的性能优势;
　　(3)车标识别软件开发。根据软件的整体功能及主体架构，将本文提出的车标检测算法和车标识别算法集成实现并开发车标识别软件，并对软件开发环境和核心软件模块作了介绍，最后进行软件测试，从功能测试和性能测试两个方面综合评估软件的性能。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现l状

1．2．1 车标检测技术

1．2．2 车标识别技术

1．3 本文研究目标及内容

1．3．1 研究目标

1．3．2 主要研究内容

第二章 车标检测算法研究

2．1 引言

2．2 车辆倾斜检测与校正

2．2．1 SIFT算法描述

2．2．2 基于SIFT算子的车辆倾斜检测与校正算法

2．2．3 实验分析

2．3 基于Adaboost的车牌定位算法

2．3．1 Harr特征

2．3．2 基于Adaboost的车牌检测算法

2．3．3 结合车牌特征属性的Adaboost车牌检测

2．4 基于车牌位置的车标粗定位算法

2．5 车标精定位算法

2．5．1 基于背景纹理抑制车标精定位算法

2．5．2 基于子块像素强度和权重矩阵的车标精定位

2．5．3 实验分析

2．6 本章小结

第三章 基于SIFT和词袋模型的车标识别算法研究

3．1 引言

3．2 车标特征提取

3．2．1 稠密尺度不变特征(Dense-SIFT)提取算法

3．2．2 基于SIFT及Dense-SIFT组合的特征提取算法

3．3 车标特征的词袋模型描述

3．3．1 词袋模型介绍

3．3．2 构建车标特征集合的视觉词典

3．3．3 车标视觉词典直方图描述

3．3．4 结合空间金字塔的车标视觉词典直方图描述

3．3．5 实验分析

3．4 支持向量机车标分类器设计

3．4．1 支持向量机原理

3．4．2 车标多分类支持向量机设计

3．4．3 实验分析

第四章 车标识别软件设计与实现

4．1 软件功能与架构

4．2 软件开发环境

4．3 核心软件模块设计与实现

4．3．1 车标检测模块设计

4．3．2 车标识别模块设计

4．4 软件测试

4．4．1 软件功能测试

4．4．2 软件性能测试

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

致谢

参考文献

攻读硕士学位期间取得的学术成果