论文部分内容阅读
随着全球汽车数量的增加,智能交通系统(ITS)越来越成为解决现代交通问题的重要手段。智能交通系统涉及图像处理、智能识别、机器视觉等多学科交叉,其中以图像识别理论为基础的智能泊车技术、车牌识别技术以及车辆识别技术是智能交通系统中应用较广泛的关键技术。本文以图像识别技术在这三个领域的应用为前提展开研究:1.提出了基于摄像机标定模型的智能泊车系统算法。该算法利用摄像机标定技术中小孔成像原理与泊车运动学模型相结合的图像实时处理方法,解决了智能泊车转向角度取值和智能泊车轨迹的计算问题。为提高泊车预测轨迹计算的精度,本文分别对泊车轨迹构成曲线的规划及摄像机标定模型进行深入研究。首先分析轨迹约束算法中涉及的变量及空间碰撞点,建立了智能泊车约束方程组,提出了多阶段弧线进退泊车轨迹算法;然后在充分研究张正友二维平面标定方法基础之上,在原有畸变模型中引入切向畸变系数,并给出初值优化算法,简化了求解过程,使标定精度及鲁棒性得到提高。通过使用定制实验车从采集帧率、轨迹精度两个方面进行了大量实验,实验数据表明本算法获得的轨迹精准度较高,系统运行稳定,画面播放流畅,实时性好。2.提出了基于分形维数和隐马尔科夫特征的车牌识别系统改进算法。在算法中将车牌识别分为三个步骤进行研究。(1)在车牌图像预处理及二值化过程中,提出一种改进的自适应多级中值滤波器算法对图像进行去噪处理;随后提出一种基于改进差分盒分形维数的灰度图像二值化方法进行图像二值化。(2)在车牌定位、字符分割校正过程中,首先通过在传统的Sobel图像边缘检测算法中增加两个方向的模板,并对权重做出重新分配的基础上,提出了基于Sobel算子的车牌精确定位改进算法;随后通过对Radon变换的平移和缩放性进行改进,提出了基于Radon变换的字符校正改进算法;最后通过对垂直投影算法加入适当的参数进行改进,提出了基于垂直投影算法的车牌单字符分割改进算法。经过上述算法的优化处理,提高了车牌图像检测的精准度,使边缘细节更细腻、连续,定位更准确,同时保持字符原有的拓扑结构,减少字符的失真。(3)在字符识别过程中,本文提出了基于改进隐马尔科夫特征的车牌字符识别算法。该算法使用离散余弦变换实现光强数据到频率数据转换,并从条件属性集和个体子集两个角度计算差异矩阵,获得最佳阈值,从而得到精确特征值作为字符特征提取依据,结合多重分类器最终完成车牌字符识别。实验结果表明本文的算法具有较高的识别率,能够满足实际应用的需要。3.提出了基于BP神经网络与HOG特征提取相结合的车辆识别改进算法。该算法首先对车标识别和车型识别分别进行研究,然后将二者识别结果综合起来作为车辆识别的依据。(1)在车标识别算法中,提出了基于改进SIFT算子与BP神经网络相融合的车标识别算法。该方法利用车牌和车标相对位置关联关系,对车标位置进行定位,并采用非固定环数及增加权重系数的方法解决了传统SIFT特征描述子因维数过高而产生计算量及时间复杂度过大的问题,最后融合BP神经网络算法对提取的车标SIFT特征描述子进行识别。(2)在车型识别算法中,提出了基于改进的HOG特征与SVM分类器相结合的车型识别算法,根据车型确定轮廓特征,提取改进的HOG特征,采用SVM分类器进行训练,实现高效准确地车型识别。实验结果表明改进后的识别算法具有较高识别率,并且对光线、部分遮挡、噪声有较强的鲁棒性。上述几种算法在ITS有着广泛的应用前景,其智能泊车技术应用智能车辆导航领域,能够给驾驶员在安全驾驶方面提出适当建议。车牌识别和车辆识别技术可应用在交通监控和交通管理领域,实现车辆检测、车辆跟踪、交通流参数检测、事故检测等交通大数据信息获取,对提高道路通行能力,减少交通事故,合理调节路网的交通流分配具有重要意义。