脉动测速
SSL检测浙江大学信息科学与工程学院硕士学位论文基于图像识别的车型自动分类系统姓名沈勇武申请学位级别硕士专业电路与系统指导教师章专20080501摘要随着交通拥挤和堵塞等各种问题的日益突出以及计算机技术的不断发展智能交通系统简称得到了越来越广泛的应用其中车型自动分类技术是重要的一个分支。论文对基于图像识别的车型自动分类系统进行了研究。论文介绍了车型分类系统的发展现状举出了几种目前国内外所采用的车型自动分类的方法并分析了各自的优缺点介绍了基于图像识别的车型分类系统的研究现状归纳了车型分类系统的工作流程、核心问题和关键技术评价了目前存在的车型分类标准、车辆图像分割技术和车辆特征选取方法的不足之处。论文采用《收费公路车辆通行费车型分类》作为车型分类标准。通过对背景图像和车辆图像进行配准运算再用背景消减法提取目标车辆。在第一阶段的分类过程中利用改进的线求和法提取代表车辆形状的特征参数作为神经网络分类器的输入数据然后得到车辆的形状分类结果在第二阶段的分类过程中根据形状分类结果决定是否进一步细分。论文最后给出了实验结果和分析分类正确率达到验证了该车型分类系统的有效性。关键词图像识别车型分类形状描述特征提取神经网络基于图像识别的车型自动分类系统第一章绪论课题研究背景和意义近年来随着社会经济的发展公路网通过能力已经不能满足交通流量日益增长的需要经过长期和广泛的研究世界各发达国家逐渐开始采用高新技术来改造现有的公路交通运输系统及其管理体系从而大幅提高了公路网的通行能力和服务质量。随着人工智能、自动控制和模式识别等领域的发展智能交通系统简称应运而生并获得了极大的发展。包括了智能和交通两个方面。它将先进的人工智能、信息技术和自动控制技术等综合应用于整个交通运输管理体系通过对交通信息的实时采集、传输和处理对各种交通情况进行协调建立起一种实时、准 确、高效的综合运输管理体系从而使交通设施得以充分利用实现交通运输的集约式发展【。系统是世纪世界公路交通的发展趋势年代中期我国学者也开始在相关领域开展大量的研究。计算机视觉和模式识别技术的不断发展为以图像理解为基础的系统进入实际应用提供了契机。计算机视觉就是用计算机来模拟人的视觉功能从客观事物的图象中提取信息进行处理并加以理解最终用于实际检测、测量和控制等】。计算机视觉不仅能使机器感知环境中的几何信息包括位置、大小、形状、运动等还能对它们进行描述、解释和理解。计算机视觉为交通系统提供了直观方便的分析手段交通环境中的大量信息如车辆、交通标志和路面标识等都来源于视觉。基于图像识别的车型分类系统正是在这种背景下提出来的。车辆检测和车型分类在应用领域中重要的分支也是目前相对薄弱的技术环节。基于图像识别的车型分类是一门集计算机视觉、图像处理、模式识别、工业测控技术、电子技术和系统工程技术与一体的综合技术引入了计算机信息管理的思想它能够自动、实时地对车辆进行检测和分类作为交通管理、收费、调度和统计的依据。基于图像识别的车型自动分类系统目前车型自动分类系统的主要应用场合为停车场、路桥收费管理和公安交通管理部门。其中停车场和路桥收费管理部门可利用该系统实现车型的自动识别及收费工作。车型自动分类系统识别车辆的车型按照事先确定的收费标准确定车辆应收费额自动保存收费记录自动费用结算。这种自动收费方式可在不停车的情况下完成收费工作达到提高车速和道路通行能力的目的而且可以杜绝工作人员询私、贪污等行为。交通管理部贝可以利用该系统实现无人值守警察功能实时抓拍违规车辆结合相关数据库还可实现未年检车辆稽查、违章未交、特定车辆查询等功能。
跌落实验台
车型分类系统的发展现状车型分类不但是公路自动收费系统中的要求在停车场的车辆管理、交通流量统计等方面都有应用。国内外主要采用的方法有感应线圈法、红外探测法、超声波检测法、车牌识别法、轮廓识别法等【。。下面分别介绍。感应线圈法感应线圈作为车型识别的传感元件埋设在收费车道内、挡车器的后端通过馈线与检测系统相连。感应线圈通以高频电流后形成磁场区当有车辆从环形感应线圈上方通过时车体底盘的铁磁材料与环形线圈产生涡流效应使得环形线圈电感量发生变化由于线圈是振荡电路的一部分因此可以检测出震荡频率的变化量及其时序。对这种反映车辆特征的频率曲线进行归类也就实现了车型分类。该方法将车辆底盘形状的三维信息转变为感应到的一维信号模糊了实际的物理意义从而加大了分析信号的难度和识别车型的难度。用感应线圈进行车型分类还存在一个问题即车辆在线圈上方停止或改变速度时将在很大程度上影响到识别的准确率而这些现象又是不可避免的【。红外探测法红外探测法是利用布置在车道两侧的红外阵列检测器运用几十甚至几百对红外发射接收装置根据汽车行驶经过时不同部位对发射装置的不同阻挡作用采集车辆的侧面几何数据。由于该系统采用的红外检测点非常多可以采集到大基于图像识别的车型自动分类系统量的数据除了车头高度、轴数、轮距、车长等特征数据外还有其他大量的信息比较完整、细致地描绘出车辆的外轮廓及局部典型特征。然后通过这些数据与车型数据库的数据比较后判断出车型从而实现车型的自动分类。该方法原理简单物理概念清晰明了。但由于硬件系统较为复杂而且系统的环境适应能力较差故障率较高维修不便等等所以在实际使用中难以被推广。、超声波检测法超声波检测系统利用路面反射在路面和检测单元之间没有遮挡物时检测单元接收从路面发射的回波。系统在每次发射超声波前根据检钡的回
波信号到达时间确定本周期有无受到路面发射的回波信号以此确定并记录在路面与检测单元之间有无遮挡物。最后由信息融合单元按融合方案和模糊识别技术确认所测量到的车辆类型。超声波检测法与上述红外检测法并无本质的区别【】。车牌识别法车牌识别法是根据从摄像机获取的汽车牌照的图像识别出车牌号后到数据库中去检索与此车牌号相对应的车型并以此作出判决。该方法对硬件要求不高而且安装方便灵活但需要事先对每一辆车建立车型牌照数据库而且在车牌模糊的情况下不能被识别因此在实际应用中受到限制。、轮廓识别廓识别法基于摄像头获得车辆的原始图像并从图像中分割出车辆图像并对所得到的车辆图像进行二值化、填充、修饰、细化等一系列处理得到一幅完整的车辆轮廓图像。然后从轮廓图像中提取车辆的几何特征如顶蓬长度与车辆长度的比值项蓬长度与车辆高度的比值以顶蓬中垂线为界前后两部分的比值车辆长度与车辆高度的比值等。轮廓识别法可以获取车辆几何特征的关键信息并且不需要复杂的硬件设施易于安装和维护也不需要建立庞大的车量数据库。相对于感应线圈、红外检测等物理检测方法基于图像的检测具有很大的优势图像的信息量很大不易造成车辆信息的丢失硬件检测设备安装简便只需一台摄像机即可设备的位置便于调整并且其更换和维护工作不会影响正常的交通【】。基于图像识别的车型自动分类系统基于图像识别的车型分类系统研究现状基于图像识别的车型分类过程主要包括两个阶段、从图像中分割出目标车辆。、提取车辆特征并进行分类。针对第一个阶段的算法主要利用图像序列之间存在的大量相关信息进行车辆区域定位和分割。第二阶段的算法比较多主要可分为三类【】、简单参数分类法。、模板匹配法。、神经网络分类法。车型分类第二阶段的工作主要涉及车辆特征的提取和分
轮胎标签
类器的设计而车辆特征的选取会影响到分类的精确程度分类器的设计是否合理则直接决定了最终的分类结果。因此一些学者针对第二阶段展开研究并取得了一定的成果。下面介绍目前存在的部分研究成果。有的学者【】采用一种基于三维结构模型的车辆特征提取方法为车辆建立一个参数模型然后以改进的神经网络作为车型分类器采用梯度下降法训练网络网络输入为个特征参数。该文提出的参数模型能够细致地描述车辆的形状结构特征但只考虑了固定简单背景下的情况而且没有研究如何从图像中分割出完整的目标车辆区域。有的研究成果【】以顶长比顶篷长度与车辆长度之比、顶高比顶篷长度与车辆高度之比和前后比以项篷中垂线为界前后两部分之比三个车辆几何尺寸作为特征参数将车辆划分为卡车、客车和货车三种类型。并设计了一种改进的算法尺度共轭梯度法对神经网络分类器进行训练解决了一般算法收敛慢的问题。该研究工作主要解决的是上述第二阶段的问题没有对目标车辆区域的分割作出研究。有的研究【】利用背景消减法进行运动车辆区域的分割并提出了一种基于滤波器和边缘特征的车型识别方法。与传统方法相比提出一种新的基于车辆边缘的非均匀采样策略。首先将图像中长度大于某一确定值的边缘定为关键边缘然后将取样窗口根据包含关键边缘像素的多少进行降序排列把一定比例的取样窗口定位和在和中采用不同的采样间隔进行样点的抽取最后计算低维的特征矢量并将得到的特征集与模板特征集进行匹配从而实现车型分类。该方法只适用于几何特征明显的物体识别不能进行车型的细分。而且采用模板匹配法进行分类需要较多的计算时间。基于图像识别的车型自动分类系统还有学者【以车辆前上方的图像作为处理对象利用车牌位置信息确定车头位置并对车头部分的保险杠所在位置进行测量以保险杠的长度作为车辆的宽度同时出车顶位置确定车辆高度然后
到车尾位置结合车头的位置和摄像头拍摄的角度计算车辆的长度最后采用分类器对三个参数进行分类。该文把车辆的绝对长度、宽度和高度作为分类的依据但对像轿车和吉普车这类车只用三个参数并不能完全描述其形状只能将车辆大致划分为大型、中型和小型三种类型而且从车辆前上方确定其长度和高度存在很大的困难对图像质量要求较高。也有研列”利用一种模糊模式识别方法对车型进行分类。首先从车辆上方、和侧面两个角度采集车辆图像通过分割和轮廓跟踪得到车辆轮廓图然后采用模糊识别技术对车型进行分阶段识别。第一阶段以车辆的项长比和前后比作为特征参数利用模糊支持向量机实现客车和货车的分类第二阶段利用车辆的长度、高度和宽度作为特征参数利用模糊神经网络建立客车的识别模型用遗传算法来同时优化隶属函数和推理规则得到了稳定精简的识别模型从而把客车划分为大型、中型和小型三类。该文所采用的方法要求摄像头从两个角度对车辆进行图像采集而且采用车辆的绝对几何尺寸作为特征参数这就要求摄像头必须安装在固定的位置限制了其应用场合。从已有的研究成果可以归纳出以下一些基于图像识别的车型分类系统的核心问题和关键技术、目标车辆区域的分割和提取如何在复杂的背景下分割出完整的目标车辆区域是整个系统的前提和基础目标车辆区域分割的质量直接影响到最后的车型分类结果。、车辆特征的选取在车辆图像经过预处理后如何选取具有代表性的特征并将其量化为描述车辆特征的参数至关重要。选取的特征应既能充分体现所属车型的特点又具有简洁性以减少计算复杂度。、车型分类在得到车辆的特征参数后需要设计合适的分类器以对各种车型进行分类。针对第一项目前采用的主要方法是基于图像序列的分析然而目前的研究均没有考虑复杂背景下的情况没有对车辆区域分割这一问题在实
际应用中遇到基于图像识别的车型自动分类系统的困难作深入讨论。第二项车辆特征的选取主要集中在车辆几何尺寸的度量包括绝对几何尺寸和相对几何尺寸。绝对几何尺寸即根据摄像头与车辆之间的距离和图像拍摄的角度计算出车辆的实际大小这种方法存在的缺陷是摄像头与车辆之间的距离必须保持不变而这在实际应用中几乎是无法实现的而且车辆的大小有时并不能代表其所属车型相对几何尺寸不要求计算车辆的实际尺寸而是计算车辆各个几何参数之间的比例这在一定程度上能反映车辆的整体形状结构而且对车辆图像的大小不作限制即对摄像头的安装要求比较灵活从而扩大了其适用范围。第三项对车型作最终分类最简单的方法就是对得到的车辆特征参数与标准特征参数进行比较得出分类结果这种方法运算量小但只能适用于参数个数较少的情况而参数个数太少就无法对车型进行有效分类模板匹配法把分割得到的车辆图像直接与标准模板进行比较这需要耗费较多的计算时间而且容错性比较差目前取得较好分类效果的是基于神经网络的分类器基于图像识别的车型分类问题具有模糊、残缺、不确定等特点而解决这类问题正是人工神经网络所擅长的因此这一步实际上就转为化对神经网络分类器的设计包括网络结构的设计和网络训练算法的设计。另外存在一个更实际的问题是目前的研究都仅限于将车辆划分为轿车、客车和货车三类或按车辆大小分成大型、中型和小型而在实际应用场合中都要求将车辆按座位数或吨位划分因此目前研究的车辆类型划分都很难应用于如公路收费等场合。本文的主要研究内容和和结构安排现有的基于线圈感应的车型分类系统不能充分提取车辆特征信息而基于红外探测的系统对硬件和应用环境的要求比较高适用范围有限因此更多学者开始研究基于图像识别的车型分类系统。基于图像识别的车型分类系统克服了上述缺点但也存在图像分割困难和难以选择合适
的车辆特征参数的问题。本文对以图像识别为基础的车型分类算法进行了系统的研究针对目前车辆图像分割效果不理想车辆特征参数没有代表性和识别算法过于复杂等缺点提出了改进方案。系统框图如图由五个模块组成。基于图像识别的车型自动分类系统图车型分类系统框图目标车辆区域分割模块负责图像的预处理该部分是系统实现的一个难点对整个系统的性能至关重要而且相当一部分计算量集中在该模块因此需要采用高效的算法车辆形状特征的提取模块计算复杂度较低但要求选择合适的特征参数神经网络分类器是本系统的核心部分直接决定了分类结果的精度对分类器的训练算法较为复杂但训练完成之后即可将网络权值固化使用时不必再对权值进行调整因此满足实时性要求训练样本库存储已经过人工分类的车辆特征参数为分类器提供训练样本训练完成后该模块可舍去不用。最后输出分类结果。本文的研究内容主要有以下几部分、分析车型分类系统的研究现状比较各种车型分类系统的优缺点确定了以图像识别为基础的车型分类方法设计了系统的总体框架。、基于图像处理和结构模式识别理论探索出若干针对车型分类系统的图像处理方法包括运动目标车辆区域的分割提取、图像边缘检测、基于变换的车轮定位和车辆特征的提取。、在分类方面针对车型分类问题的独特性通过评判和比较各种神经网络性能和特点提出了以神经网络模型作为车型分类器。本文的内容组织结构如下第一章本章介绍课题的研究背景和意义介绍智能交通系统的概念及其应用。对现有的车型分类方法作出了分析比较分析基于图像识别的车型分类方法的优越性给出了本系统的实现框图最后对本文的研究内容及其组织结构作出基于图像识别的车型自动分类系统声明。第二章本章根据数字图像处理的基本理论介绍区域分割、图像边缘检测、数学形态学运算和圆检测等
交通警示柱>刮腻子的机器基本方法及其应用。第三章本章主要介绍人工神经网络的基础理论包括人经网络的基本特征、神经元模型和学习规则并对几种典型的神经网络进行比较研究研究网络结构的特性及在车型分类中的优势确定本文的车型分类方法采用神经网络进行识别。第四章本章是论文的核心内容主要介绍车型分类系统的设计框架及其实现。给出车型分类标准简述运动车辆目标检测、车辆特征提取等关键技术并对用于车型分类的神经网络结构及其训练算法进行设计最后给出实验结果并针对实验结果.
