etc系统视频监控图像中的车型识别技术研究

《etc系统视频监控图像中的车型识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级分类号：单位偶—麵—ＵＤＣ：？乂是洛事乂拿全日制应用型硕±硏究生学位论文ＥＴＣ系统视频监控图像中的车型识别技术硏究臧埼指导教师李春庚副教授企业导师张汉德工程师工；呈硕±申请学位类别工程领域软件工程学位按予单位大连海事大学２０１６年６月分类号密级ＵＤＣ■单位代码１０１５１大连海事大学工程硕±学位论文ＥＴＣ系统视频监控围像中的车型识别技术研究（学位论文形式；应用研究）巧巧指导教师李春庚职称副教授企

2、业导师张汉德职称工程师学位授予单位大连海事大学Ｉ申请学位级别工程硕±工程领域软件工程论文完成日期２０１６年５月答辩日期２０１６年６月１９曰答辩委员会主席ＲｅｓｅａｒｃｈｏｎＶｅｈｉｃｌｅＲｅｃｏｇｎｉｔｉｏｎＴｅｃｈｎｏｌｏｇｙｉｎＶｉｄｅｏＳｕｒｖｅｉｌｌａｎｃｅＩｍａｅｏｆＥＴＣＳｓｌ：ｅｍｇｙＡ化ｅｓｉｓＳｕｂｍｉｔｔｅｄ化ＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙＩｎａｒｔｉａｌｆｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅｒｅｕ

3、ｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆｐｑＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇｂｙＺａｎｉｇＱＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎ（ｇｇ）Ｄｉｓｓｅｒｔａｔｉｏｎ／ＴｈｅｓｉｓＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏ化ｓｓｏｒＬｉＣｈｕｎｇｅｎｇＪｕｎｅ２０１６大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，＂＂撰写成博／硕±学位论文ＥＴＣ系统视频胳控图像中的车型巧别技术研究。除论，文中已

4、经注明引用的内容外，对论文的研究做出重要贡献的个人和集体均己在文中明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表或未公开发表的成果。。本声明的法律责任由本人承担学位论文作者签名：学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学目位论文的规定，Ｐ；大连海事大学有权保留并向国家有关部口或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印

5、或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕±学位论文全文数据库》（中国学术期刊（光盘版）电子杂志社）《中、国学位论文全文数据库》（中国科学技术信息研究所）等数据库中，并Ｗ电子出版物形式出版发巧和提供信息服务。。保密的论文在解密后遵守此规定本学位论文属于：保密□在年解密后适用本授权书。＂＂不保密材（请在Ｗ上方框内打Ｖ）论文作者签名：，職藏导师签名：去音寺讀２０６１５日期：１６年月日中文摘要摘要如今，ＥＴＣ系统被广泛的应用到许多城市和地方，但是有

6、些司机通过覆盖，。改变或者隐藏车牌躲避检测，Ｗ达到不缴费，或少缴费的目的为了解决车辆司机躲避支付通行费的不法行为一，本文研究了种根据车辆外部轮廓来识别车型的方法。具体来说，通过正对车辆的摄像机和车道侧面的摄像机分别采集车辆正面和侧面图像，从正面和侧面图像中提取车辆的几何特征，矩特征和轮廓特征构成特征向量作为支持向量机的输入，从而实现对大型车和小型车的识别。并在提取车辆轮廓持征时提出了把挡风玻璃倾斜角作为关键特征的观点。本文所做的工作分为Ｗ下几个部分：一（１）首先对视频图像序列倾进行彩色图像预

7、处理，用到了图像尺寸格式归化，图像灰度化，图像增强，二值化，图像形态学。Ｃ２）其次针对复杂背景难去除的问题，使用了背景差分法在监控视频中检测目标车辆，并使用二阶微分算子中的Ｌｏｇ算子进行边缘检测，得到了完整的车辆轮廓。（３）特征提取和车型分类是本文研究的重点。车辆几何特征是通过扫描算法和投影算法得到的；车辆矩特征是通过计算Ｈｕ学者提出的平移，旋转和比例尺度变化下的韦个不变量得到的；本文的轮廓特征主要指挡风玻璃倾斜角度，这个特征也是本文提出的要作为支持向量机输入向量中的一个关键特征值。（４）最后通

8、过四姐对比实验测试和训练支持向量机，并结合交叉验证思想对测试过程和训练过程进行改进。实验结果证明一，本文提出的把挡风玻璃倾斜角度作为车辆的个关键特征值构成特征向量，输入到支持向量机中，平均识别准确率能达到８７．６６７％。从而验证了本文方法的鲁棒性和实用性，能够