ETC系统视频监控图像中的车型识别技术研究

摘要

如今，ETC系统被广泛的应用到许多城市和地方，但是有些司机通过覆盖，改变或者隐藏车牌躲避检测，以达到不缴费，或少缴费的目的。为了解决车辆司机躲避支付通行费的不法行为，本文研究了一种根据车辆外部轮廓来识别车型的方法。具体来说，通过正对车辆的摄像机和车道侧面的摄像机分别采集车辆正面和侧面图像，从正面和侧面图像中提取车辆的几何特征，矩特征和轮廓特征构成特征向量作为支持向量机的输入，从而实现对大型车和小型车的识别。并在提取车辆轮廓特征时提出了把挡风玻璃倾斜角作为关键特征的观点。本文所做的工作分为以下几个部分:
　　(1)首先对视频图像序列帧进行彩色图像预处理，用到了图像尺寸格式归一化，图像灰度化，图像增强，二值化，图像形态学。
　　(2)其次针对复杂背景难去除的问题，使用了背景差分法在监控视频中检测目标车辆，并使用二阶微分算子中的Log算子进行边缘检测，得到了完整的车辆轮廓。
　　(3)特征提取和车型分类是本文研究的重点。车辆几何特征是通过扫描算法和投影算法得到的;车辆矩特征是通过计算Hu学者提出的平移，旋转和比例尺度变化下的七个不变量得到的;本文的轮廓特征主要指挡风玻璃倾斜角度，这个特征也是本文提出的要作为支持向量机输入向量中的一个关键特征值。
　　(4)最后通过四组对比实验测试和训练支持向量机，并结合交叉验证思想对测试过程和训练过程进行改进。
　　实验结果证明，本文提出的把挡风玻璃倾斜角度作为车辆的一个关键特征值构成特征向量，输入到支持向量机中，平均识别准确率能达到87.667％。从而验证了本文方法的鲁棒性和实用性，能够很好地实现对ETC系统的辅助和补充。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景及意义

1．2 车型识别技术的研究现状和发展趋势

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．2 发展趋势

1．2．3 论文的主要研究内容和章节安排

第2章 图像处理基础及车辆图像预处理

2．1 数字图像的分类

2．2 图像尺寸／格式归一化

2．3 图像灰度化

2．4 空间域图像增强

2．4．1 高斯模板滤波

2．4．2 中值模板滤波

2．5 二值化处理

2．6 图像形态学处理

2．7 本章小结

第3章 视频监控图像的车辆检测

3．1 运动车辆检测

3．1．1 ViBe前景检测算法

3．1．2 光流法

3．1．3 帧间差分法

3．1．4 背景差分法

3．2 背景建模与更新方法

3．2．1 单高斯建模法

3．2．2 背景更新

3．2．3 实验结果

3．3 图像后处理及边缘检测

3．3．1 一阶微分算子

3．3．2 二阶微分算子

3．4 实验结果

3．5 本章小结

第4章 车辆特征提取与选择

4．1 车型分类和车辆特征描述子概述

4．2 车辆几何特征描述

4．2．1 基于扫描算法的图像填充

4．2．2 基于投影的车辆外接矩形

4．3 车辆矩特征描述

4．4 车辆轮廓特征描述

4．5 车辆特征选择

4．5．1 特征数据分析处理

4．5．2 特征选择

4．6 本章小结

第5章 车辆类型识别

5．1 几种常用分类方法介绍

5．2 支持向量机的概念

5．2．1 线性支持向量机

5．2．2 非线性支持向量机

5．3 支持向量机分类器的训练和测试

5．3．1 分类器的训练与测试

5．3．2 训练过程与测试过程的改进

5．4 实验结果分析

5．5 本章小结

第6章 结论与展望

6．1 本文工作总结

6．2 对未来工作的展望

参考文献

致谢