论文部分内容阅读
车辆识别技术是智能交通系统技术的重要关键技术之一,在军事车辆管理中有重要应用价值。车标定位识别技术是车辆识别技术的重要研究领域。车标定位技术往往需要车牌定位作为重要的辅助,快速、准确、高鲁棒性的车牌定位、车标定位是智能交通系统的研究热点。本文提出两个具有颜色不变性的颜色比例用于车牌颜色提取,实现车牌快速、准确、鲁棒性定位,完成车标粗定位;提出车标定位改进算法,提高定位精度。在基于车牌定位的车标粗定位中,基于RGB颜色模型本文提出了两个颜色比例,基于双色反射模型从理论上证明了它们具有颜色不变性,并首次采用这两个颜色比例提取车牌颜色特征,用于基于全局颜色特征和局部边缘特征相结合的车牌定位算法中。对1078幅交通摄像头实拍车辆图像进行处理,车牌定位成功率为99.9%。车辆原图大小约1000×1000像素时,车牌平均定位时间约0.2秒。与常用的基于HSV颜色模型的车牌定位方法相比,后者定位成功率是92.12%,平均定位时间约0.35秒。本文方法明显好于基于HSV模型的车牌定位方法。经比较发现本文颜色比例提取蓝色和HSV模型提取蓝色可以实现优势互补。利用车牌定位结果进而实现车标粗定位。快速、高效的车标识别需要准确的车标定位。为进一步抑制栅格背景干扰,提高车标定位精度,本文提出基于边缘梯度角度直方图分析和局部多阈值处理相结合的车标定位改进算法。分析边缘梯度角度直方图,将车标同栅格背景进一步分离。采用局部多阈值处理的方法消除光照不均的影响,得到更完整的车标。对5个品牌车辆67幅车标图像进行处理,所有车标均能较完整、准确地定位,车标定位率为100%。与常用的基于模板匹配的车标定位方法相比,后者虽能定位出所有车标,但误差较大的有28幅,占41.79%。本文方法定位精度明显好于模板法的有53幅,占79.1%。对模板法误差图像逐一分析发现模板法对栅格背景要求更高。以上结果说明本文方法定位效果优于基于模板匹配的车标定位方法,鲁棒性更强。车标粗定位区域约为260×170像素时,本文方法平均定位时间为0.1秒,模板法平均定位时间为0.04秒。模板法比本文方法要简单,速度更快。不过本文方法基本能满足实时性要求。