基于GRM模板匹配算法的车型和车系识别

摘要

随着我国经济迅速发展,人们生活水平不断提高的同时生活节奏也在不断加快,那么拥有快速便捷的交通工具就尤为重要了,这导致近年来汽车大面积普及。目前人们对汽车的需求越来越强烈,而且汽车的价格也在人们所能接受的范围之内。因此,近年来在城市道路上的汽车数量迅速增长,而且交通事故也是频繁发生,这将为城市交通带来巨大的压力和严峻的考验。此外,对于交通管理人员来说,由于交通流量迅速增长,使得这些管理人员的日常工作比较繁重。基于以上这些原因,人们希望有一个智能交通系统(Intelligent Transportation Systems,简称ITS),能够实时监控交通情况,实现自动交通管理。
　　基于以上背景,本课题运用图像处理、模式识别以及计算机视觉领域的相关理论对车辆类型、车辆系列的识别技术进行了深入研究。本文要实现一个基于视频图像的车辆类型和车辆系列识别系统,主要研究内容包括以下几个部分:
　　1、运动车辆检测。本文采用混合高斯模型与自适应背景更新算法相结合的前景检测算法,实现运动车辆的检测。
　　2、车辆图像提取。从前景检测得到的车辆团块中准确地提取出车辆图像,本文通过改进的Adaboost算法对车辆团块中车头进行检测,再通过检测到的车头位置及大小来提取车辆图像。
　　3、车辆类型识别。本文采用GRM模板匹配算法来识别车辆类型,并针对该算法应用的局限性做了相应的改进。
　　4、车辆系列识别。该部分包括车标粗略定位、车标精确定位、车脸定位、车标识别以及车脸识别。对于车标粗略定位和车脸定位是基于车型模板进行快速而比较准确地定位;对于车标精确定位是先通过Sobel运算判断进气口类型,再利用形态学、水平投影以及垂直投影等方法实现车标精确定位;对于车标识别是采用嵌入式隐马尔科夫模型的方法进行识别;对于车脸识别与车辆类型识别方法一样。
　　本文算法是在 Opencv1.0版本的基础上使用 C语言开发,系统界面开发是MFC,开发工具是 MS Visual Studio2005。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究的主要内容及成果

1.4 论文组织结构

第二章 相关技术介绍

2.1 GRM模板匹配算法介绍

2.2 嵌入式隐马尔科夫模型

2.3 Adaboost算法介绍

2.4 本章小结

第三章 运动车辆检测

3.1 运动车辆检测

3.2 基于改进Adaboost算法的车头检测

3.3 车辆图像提取

3.4 本章小结

第四章 车辆类型识别

4.1 GRM模板匹配算法应用局限性的分析

4.2 针对GRM模板匹配算法应用局限性的改进

4.3 车辆图像预处理

4.4 基于GRM模板匹配算法的车型识别

4.5 车型识别对比实验

4.6 本章小结

第五章 车辆系列识别

5.1 车标定位与车脸定位的方法分析

5.2 车标定位

5.3 基于EHMM模型的车标识别

5.4基于GRM模板匹配算法的车脸定位

5.5 基于GRM模板匹配算法的车脸识别

5.6 本章小结

第六章 系统实现与实验结果分析

6.1 系统实现

6.2 实验结果分析

6.3 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

致谢

参考文献