基于視頻的車輛檢測(cè)和車牌識(shí)別關(guān)鍵技術(shù)研究.pdf

1、隨著科技的進(jìn)步和經(jīng)濟(jì)的發(fā)展，傳統(tǒng)的交通管理方式已不能完全滿足現(xiàn)代社會(huì)的需求，智能交通逐步走進(jìn)我們的日常生活。車輛檢測(cè)和車牌識(shí)別技術(shù)是智能交通研究中的重點(diǎn)和關(guān)鍵，但由于背景復(fù)雜、自然環(huán)境多變及其它外界干擾使得基于視頻的車輛檢測(cè)和車牌識(shí)別變得愈發(fā)困難。
　　本文的主要目標(biāo)是對(duì)交通場(chǎng)景中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和分類，從視頻中識(shí)別出車輛，在此基礎(chǔ)上對(duì)車牌進(jìn)行定位并識(shí)別出車牌號(hào)碼。在深入分析車輛檢測(cè)和車牌識(shí)別難點(diǎn)的基礎(chǔ)上，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)、運(yùn)動(dòng)目

2、標(biāo)分類、車牌識(shí)別分別進(jìn)行了研究，主要內(nèi)容包括:
　　(1)針對(duì)利用三幀差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)會(huì)存在較多噪聲的問題，本文通過抗噪圖像分割技術(shù)將探測(cè)到的圖像同質(zhì)性引入目標(biāo)檢測(cè)中，從而更好地在目標(biāo)檢測(cè)過程中抑制噪聲的影響并且盡量保持運(yùn)動(dòng)目標(biāo)的完整性。實(shí)驗(yàn)表明，該方法可以去除背景干擾噪聲，提高目標(biāo)檢測(cè)的正確率。
　　(2)針對(duì)利用貝葉斯分類器、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)進(jìn)行分類時(shí)通常只關(guān)注分類結(jié)果、沒有利用數(shù)據(jù)結(jié)構(gòu)信息、結(jié)果可解釋性差這些

3、問題，本文設(shè)計(jì)出了一種基于聚類的關(guān)系分類器設(shè)計(jì)策略。該關(guān)系分類器中引入了聚類和分類間的邏輯關(guān)系矩陣，該矩陣可刻畫出數(shù)據(jù)的天然形成特點(diǎn)，揭示出聚類和類別之間潛在的邏輯關(guān)系，使得分類的過程更加清晰直觀、可解釋強(qiáng)、識(shí)別率高。實(shí)驗(yàn)表明，該關(guān)系分類器分類準(zhǔn)確度較高、時(shí)間復(fù)雜度較低。
　　(3)針對(duì)車牌的整潔度、自然光照條件并不一定理想的問題，本文對(duì)原始圖像進(jìn)行形態(tài)學(xué)預(yù)處理，使其具有較好的清晰度;針對(duì)車牌識(shí)別過程中車牌定位困難的問題，本文對(duì)經(jīng)