一种运动车辆目标提取与车型识别算法研究-论文.pdf

《一种运动车辆目标提取与车型识别算法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、14一种运动车辆目标提取与车型识别算法研究一种运动车辆目标提取与车型识别算法研究AnAlgorithmStudyofMovingVehicleExtractingandVehicleClassification施春涛孟正大金立左(东南大学自动化学院，江苏南京210096)摘要设计了一种基于几何模型与改进的SURF特征包模型的混合算法，并将其应用到运动车辆目标的提取与车型识别中。通过几何特征将车型初步分类，并通过改进的SURF算法进行再次分类。改进的SURF算法包括改进的微分模板计算和新增的对边、对角特征描述。实验结果证明该算法区分

2、力优于原SURF算法。关键词：目标提取，车型识别，SURF，微分模板，特征描述子AbstractAalgorithmbasedon8DimprovedSURFandgeometriccharacteristicsforvehicleclassificationispresentedinthispaper．Aninitialclassificationisdoneaccordingtothegeometriccharacteristicsofthevehicle，andthenextaccordingtoanimprovedSURF

3、a~gorithmincludingimproveddifferentialtemplatescalculatingandnewfeaturedescriptorswithsideandcornercharacterization．ExperimentalresultsshowthatthealgorithmissuperiortotheoriginalSURFalgorithm．Keywords：objectextraction，vehicleclassification，SURF，diferentialtemplate，fea

4、turedescriptor对于智能交通系统起着支撑作用的车型识别来说，近年来区域是破碎的，还有些区域中有明显的空洞，因此需要使用滤波成为一个比较热门的研究内容，本文作为智能交通系统的一部的手段来得到能完整表征目标的连通域。分，研究设计了一种车辆的提取与识别算法。本文选用了均值滤波的一种变形来完成这个工作，式(1)是1系统结构这种均值滤波的表示形式，具体的做法是在一个像素周围的邻本文车型分类系统框图如图1所示，主要包括车辆目标提域内统计值为1的像素个数，再除以整个邻域的面积，得到了S取、几何特征初步分类、特征包模型建模和分类器分类

5、。．(x，y)是一个小于或等于1的比例值。H青麓器HI-4嚣襞H溪耋珧HS(x，y)：U∑．U’V(1)·图1车型识别流程图在获得了该比例值后设置阈值TD来与S(X，Y)作比较，由为了能够达到实时监控的需求，背景建模所占用的处理时式(2)来判断窗口中心像素值是255或O(1或0)。f255S(x．>间不宜太多；同时，道路场景的复杂性要求背景建模有良好的效果。本文采用混合高斯模型进行背景建模。这种背景建模方法具(x，to0e(2)有很好的鲁棒性。在获得了较为稳定的前景区域掩码Ffiltered(x，Y)后，就可提取出车辆目标后，本文

6、采用一种基于几何模型与改进的以通过连通域标记算法(connected—componentslabeling)获SURF特征包模型的混合算法，通过几何特征进行初步分类，通过得连通区域，本文采用了二次扫描法来获得连通域信息，具体做改进的SURF特征进一步分类。由于几何特征具有识别简单、计法是第一次扫描整个前景掩码图像，对每个像素做四连通(或八算快的特点，使本文的方法具有良好的识别准确率和计算效率。连通)的判断，属于相同区域的给予一个标记，第二次扫描则将对于车型结果的分类，本文采用SVM来训练分类器]。属于同一连通域的标记予以合并，即可

7、获得最终的连通域，通过2运动目标提取计算连通域的面积、外接矩形、轮廓来获取目标的有效信息。2．1运动车辆目标提取完整的目标提取算法流程图如图2所示。提取结果，如图3目标提取算法的任务是提取运动的车辆，其本质是运动分所示。析中的移动目标检测和定位问题。在该领域主要的技术有：差分运动分析、光流分析法、基于兴趣点对应关系的分析等。本文引入鲁棒性更好的高斯混合模型。该模型的原理是对每个像素独立的建立一个高斯混合模型，基于局部的特性，一些图2目标提取算法流程图高斯模型表示背景，另一些表示前景。对于新进入的像素，首先3车型分类判断它属于哪一个

8、高斯模型，然后通过一个阈值来决定这些高本文以固定摄像头下车辆目标车型识别为研究背景，实现斯模型是属于前景还是背景。在获得了二值化后的图像后进行以下4种车型的分类：客车、轿车、面包车与摩托车。本文采用几一些模糊和形态学上的腐蚀、膨胀操作来去除图像中的