多姿態(tài)車型識別算法設(shè)計及應(yīng)用研究.pdf

1、經(jīng)濟的飛快增長,促使人們生活水平發(fā)生翻天覆地的變化,人們對車輛的需求也日益增大,但與此同時,交通環(huán)境問題、交通管理技術(shù)問題也日益突出,在很多方面,傳統(tǒng)的交通管理方式已不能滿足形勢變化的需要。這種背景環(huán)境下,智能交通系統(tǒng)的作用顯得尤為突出。而車型識別系統(tǒng)是智能交通研究領(lǐng)域的核心技術(shù),同時也是數(shù)字圖像處理、計算機視覺和模式識別等交叉領(lǐng)域研究的熱門課題,近年來得到了飛速的發(fā)展。
　　現(xiàn)有的車型識別方式很多,但大多只能識別固定姿態(tài)車輛的車

2、型,為解決這一問題,本文側(cè)重多姿態(tài)的車型識別研究。采用SURF(speeded up robust features)及多視角的車型識別算法。該算法通過在不同角度下對特征的匹配穩(wěn)定性進行統(tǒng)計,得到了隨著角度的增加尺度不變特征(SIFT)提取算法提取到的特征的視角穩(wěn)定性,在360°范圍內(nèi),每隔45°選取一個采樣角度,共選取八個角度進行采樣;采用改進的尺度不變特征提取方法,獲取車型的SURF點特征;采用歐式距離空間和最近鄰搜索算法相結(jié)合的方

3、法進行特征匹配,并在最近鄰搜索算法中設(shè)計k-d樹來優(yōu)化搜索過程;采用 PROSAC(progressive sample concensus)剔除誤匹配。通過視覺聚類和多視角建模的方法,訓(xùn)練車輛的全方位車型特征庫,并以XML文件形式離線保存。
　　系統(tǒng)測試過程主要分為訓(xùn)練模塊的測試和車型識別的測試。訓(xùn)練模塊主要是車型特征庫建立的過程,重點測試了不同的特征誤匹配剔除和特征提純方法對特征庫優(yōu)劣性的影響。車型識別測試過程中,用測試圖片中