论文部分内容阅读
随着社会的发展,我国机动车的保有量呈现递增趋势,为了保障公民的生命财产安全,如何准确地定位、抓捕违法车辆成为目前的一个难题。计算机视觉作为前沿技术的一个重要分支,已较成熟地应用于车牌识别中,但是由于现有的局部特征描述算法具有维度高、占用内存大等缺点,对于高速公路套牌车的识别,仍没有有效的解决方案。针对上述问题,本文做了以下工作:1.经过大量的实验对比,提出了一种改进的车辆特征点描述模型。通过采用改进的ORB 算法对多种车型前脸检测特征点,并利用rBRIEF描述子表达车脸特征点信息,组成车脸特征描述集合。然后利用贪婪搜索策略从描述集合中选择出高方差、低相关的描述维度,组合成车脸特征的描述模型,使得特征信息占用空间小,表达车脸特征信息准确度高。2.针对特征点误匹配对检测,提出了一种基于先验知识的几何约束方法。通过计算匹配点对间的距离和角度信息,并结合先验知识设定的阈值,构成匹配约束项。该约束方法在预知待匹配图像之间的旋转、尺度变换参数的情况下,可有效剔除误匹配对。3.本文将上述算法应用到高速公路卡口套牌车检测中。首先给出了一种基于暗通道先验理论的图像预处理方法增强图像画质,并利用类Haar特征结合Adaboost算法对目标车辆定位。其次,由于高速公路通行卡内存的限制,卡口车辆图像经过改进的ORB算法检测特征点后,采用本文的车脸特征描述模型表达特征点信息,使得特征信息占用通行卡内存小于1KB。最后,在特征匹配阶段,利用基于先验知识的几何约束剔除误匹配项,提高了 RANSAC算法的效率与准确度。实验对比结果表明本文算法在相同内存条件下与相同特征点数条件下均有良好的表现。