基于灰度共生矩阵纹理特征的车型识别系统.pdf

《基于灰度共生矩阵纹理特征的车型识别系统.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、函经验交流基于灰度共生矩阵纹理特征的车型识别系统水程丽霞徐迎晖(广东工业大学自动化学院)摘要：针对车型识别技术在智能交通管理中存在的问题，提出基于灰度共生矩阵纹理特征的车型识别系统。该系统由车辆图像采集及预处理、车脸分割、纹理特征提取、最小距离分类器等组成。经过实验，该车型识别系统的准确率达到90％。关键词：车型识别；灰度共生矩阵；纹理特征；最小距离分类器0引言最小距离分类器等组成，其结构图如图1所示。公路收费站根据车辆的类型收取相应的费用，采用自动车型识别系统可大大降低人工识别车型的工作量。学者们在智能车型

2、识别系统领域提出了很多方法。文献【1]和文献[2]采用支持向量机分类车型，该方法以提取车辆侧面图像的特征作为研究对象，不同类型车辆的细节信息不能被提取出，无法精确识别车型。文献[3]采用背景差分法提取目标车辆的Harris角点，计算待识别车辆与标准样本Harris角点的Hausdorf距离，选择距离最短的为识别结果，该方法虽然只需图1基于灰度共生矩阵纹理特征的车型识别系统结构图研究车辆的某些特殊点，但对噪声没有良好的鲁棒性。文献[4]以车脸图像灰度共生矩阵的纹理特征量作为车型识别流程：首先，采集一段在公路上拍

3、摄的标准样本，计算待识别车辆的纹理特征量与标准样本监控视频，提取出各帧图像，由于摄像头静止拍摄固的欧氏距离，选择距离最短的为识别结果，该方法克定场景，因此在车辆出现期间，背景部分基本无变化，服了文献[1卜文献[3】的不足。但文献[4]在图像滤波方通过背景差分算法可得到车辆图像；然后，对车辆图面没有给出模板的大小和具体的车脸分割方法，这两像中值滤波，利用车辆图像的水平、垂直积分投影方步图像处理效果的好坏直接影响后续的车型识别。法分割出车脸图像；接着，对各车脸图像进行标准化，本文提出基于灰度共生矩阵(grayle

4、vel建立标准车脸图像库，提取标准车脸图像的纹理特征，co-occurrencematrix，GLCM)纹理特征的车型识别建立纹理特征库，用纹理特征库的数据训练最小距离系统，主要对文献[4】存在的不足加以研究。在图像滤分类器；最后，将待识别的车脸图像的纹理特征量输波方面，对高斯滤波、各种参数大小模板的中值滤波入最小距离分类器进行识别分类。进行比较；明确了分割车脸图像的方法。2图像采集及预处理1基于灰度共生矩阵纹理特征的车型识别系2．1图像采集统本文从公路车辆视频中提取各帧图像，选择一张基于灰度共生矩阵纹理特征

5、的车型识别系统由不含运动目标的图像作为参考；然后计算当前帧与参车辆图像采集及预处理、车脸分割、纹理特征提取、考图像对应像素位置的灰度差值，若差值不为0的像基金项目：国家自然科学基金项目(61102034)；广东省工业2015年第36卷第2期自动化与信息工程33高新技术领域科技计划项目(2013B010401028)资助。1909、局部平稳性为1632．2393。将这5个特征值按顺序分别作为元素组成一个列向量。按照上述方法，在所建立的标准车脸图像库中，分别提取每幅图像的^：L-1L-1．．．．(7)纹理特征，建

6、立纹理特征库。图8实验车脸图像将待识别样本的纹理特征向量与纹理特征库中每类车型的平均纹理特征向量进行距离计算，选择距离最短的为识别结果。3个品牌车的实验结果见表1。表1实验结果品牌训练样本测试样本正确识别正确识数目／辆数目／辆数目／辆别率／％大众5282589．3丰田5282692．9雪佛兰5292689．76实验本文实验系统开发平台为MicrosoftWindows7操作系统，前端开发工具采用VS2010，图像处理中应用OpenCV函数包。实验中，在公路上拍摄了100幅车辆的正面序列图像，将图像进行处理。在

7、标准车脸图像库中选取15幅车脸图像作为训练样本，85幅车脸图像作为测试样本，正确识别的车型有77幅，识别率达到90％。7结论本文提出的基于灰度共生矩阵纹理特征的车型d9092632125033163＼识别系统稳定、正确识别率高、实时性好，但适用范f2458O84292101O＼围窄，例如光照强度等因素严重影响准确度。若光线l209851697612625ll671786242701440I强烈，车辆的颜色较暗时，前景图像中车辆所在的区l40107829582115Il00316782908411I域会比背景图

8、像暗，用前景图像减去背景图像所得到＼5104198029676J的车辆图像不完整，提取的纹理特征量就不能准确地＼5812425683313／代表该车型，致使识别结果不准确。因此后续还需进一步研究去光照的算法。(下转第40页)36污染的计算及评价提供方便[5】。[3]林晓星．建筑物外立面泛光照明光污染防治[D]．厦门：华侨大学．2014：60．参考文献[4]苏晓明．居住区光污染综合评价研究[D]．天津