視頻圖像目標(biāo)車輛搜索系統(tǒng)研究.pdf

1、交通監(jiān)控當(dāng)前已得到廣泛應(yīng)用，為交通監(jiān)管帶來便捷。涉及車輛的刑事案件追查，如對交通肇事車輛、被盜竊車輛的追查等，耗費(fèi)大量的人力物力?；诒O(jiān)控視頻的智能搜索將在這一領(lǐng)域發(fā)揮巨大的潛能。本論文從這一應(yīng)用出發(fā)，研究視頻圖像的運(yùn)動(dòng)物體分割，特征提取，以及分類識(shí)別等相關(guān)課題。設(shè)計(jì)開發(fā)出基于視頻監(jiān)控圖像的目標(biāo)車輛搜索系統(tǒng)。
　　 本論文研究內(nèi)容涉及視頻圖像處理，模式識(shí)別和人工智能諸多課題。文中對數(shù)字圖像處理一些方法進(jìn)行了討論，包括分割算法，直

2、方圖統(tǒng)計(jì)，腐蝕與膨脹，斑塊統(tǒng)計(jì)等。
　　 視頻序列圖像運(yùn)動(dòng)物體分割方法多樣，論文采用背景差分方法分割圖像，重點(diǎn)討論了背景更新模型，對中值濾波背景模型、自適應(yīng)背景模型、高斯背景模型進(jìn)行論述，并討論了背景模型的更新策略。研究提出了基于HSI彩色模型的陰影消除算法與自適應(yīng)背景更新模型的改進(jìn)算法。在車輛的模式特征提取方面，論文從系統(tǒng)需要出發(fā)，對車型、顏色、車牌進(jìn)行了既有聯(lián)系又有區(qū)別的處理。針對顏色識(shí)別提出基于HSI模型量化識(shí)別方法，并對

3、算法的實(shí)現(xiàn)進(jìn)行改進(jìn)和優(yōu)化。車型識(shí)別采用頂長、項(xiàng)高、前后比特征模式，特征提取采用投影直方圖方法，對閾值的選取提出自適應(yīng)閾值更新算法，便捷有效。
　　 分類識(shí)別原理與方法是論文研究的又一重點(diǎn)，詳細(xì)討論了神經(jīng)網(wǎng)絡(luò)BP算法，分別應(yīng)用于車型與車牌字符的識(shí)別，針對車牌識(shí)別的復(fù)雜情況，設(shè)計(jì)了三個(gè)分類器，以降低算法的復(fù)雜度，對字符學(xué)習(xí)算法使用帶沖量項(xiàng)的改進(jìn)算法，提高系統(tǒng)學(xué)習(xí)的效率。
　　 系統(tǒng)實(shí)現(xiàn)了圖像預(yù)處理、車輛分割、車型識(shí)別、顏色識(shí)