資源描述：
《基于灰度共生矩陣紋理特征的車型識(shí)別系統(tǒng).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、函經(jīng)驗(yàn)交流基于灰度共生矩陣紋理特征的車型識(shí)別系統(tǒng)水程麗霞徐迎暉(廣東工業(yè)大學(xué)自動(dòng)化學(xué)院)摘要：針對車型識(shí)別技術(shù)在智能交通管理中存在的問題，提出基于灰度共生矩陣紋理特征的車型識(shí)別系統(tǒng)。該系統(tǒng)由車輛圖像采集及預(yù)處理、車臉分割、紋理特征提取、最小距離分類器等組成。經(jīng)過實(shí)驗(yàn)，該車型識(shí)別系統(tǒng)的準(zhǔn)確率達(dá)到90％。關(guān)鍵詞：車型識(shí)別；灰度共生矩陣；紋理特征；最小距離分類器0引言最小距離分類器等組成，其結(jié)構(gòu)圖如圖1所示。公路收費(fèi)站根據(jù)車輛的類型收取相應(yīng)的費(fèi)用，采用自動(dòng)車型識(shí)別系統(tǒng)可大大降低人工識(shí)別車型的工作量。學(xué)者們在智能車型
2、識(shí)別系統(tǒng)領(lǐng)域提出了很多方法。文獻(xiàn)【1]和文獻(xiàn)[2]采用支持向量機(jī)分類車型，該方法以提取車輛側(cè)面圖像的特征作為研究對象，不同類型車輛的細(xì)節(jié)信息不能被提取出，無法精確識(shí)別車型。文獻(xiàn)[3]采用背景差分法提取目標(biāo)車輛的Harris角點(diǎn)，計(jì)算待識(shí)別車輛與標(biāo)準(zhǔn)樣本Harris角點(diǎn)的Hausdorf距離，選擇距離最短的為識(shí)別結(jié)果，該方法雖然只需圖1基于灰度共生矩陣紋理特征的車型識(shí)別系統(tǒng)結(jié)構(gòu)圖研究車輛的某些特殊點(diǎn)，但對噪聲沒有良好的魯棒性。文獻(xiàn)[4]以車臉圖像灰度共生矩陣的紋理特征量作為車型識(shí)別流程：首先，采集一段在公路上拍
3、攝的標(biāo)準(zhǔn)樣本，計(jì)算待識(shí)別車輛的紋理特征量與標(biāo)準(zhǔn)樣本監(jiān)控視頻，提取出各幀圖像，由于攝像頭靜止拍攝固的歐氏距離，選擇距離最短的為識(shí)別結(jié)果，該方法克定場景，因此在車輛出現(xiàn)期間，背景部分基本無變化，服了文獻(xiàn)[1卜文獻(xiàn)[3】的不足。但文獻(xiàn)[4]在圖像濾波方通過背景差分算法可得到車輛圖像；然后，對車輛圖面沒有給出模板的大小和具體的車臉分割方法，這兩像中值濾波，利用車輛圖像的水平、垂直積分投影方步圖像處理效果的好壞直接影響后續(xù)的車型識(shí)別。法分割出車臉圖像；接著，對各車臉圖像進(jìn)行標(biāo)準(zhǔn)化，本文提出基于灰度共生矩陣(grayle
4、vel建立標(biāo)準(zhǔn)車臉圖像庫，提取標(biāo)準(zhǔn)車臉圖像的紋理特征，co-occurrencematrix，GLCM)紋理特征的車型識(shí)別建立紋理特征庫，用紋理特征庫的數(shù)據(jù)訓(xùn)練最小距離系統(tǒng)，主要對文獻(xiàn)[4】存在的不足加以研究。在圖像濾分類器；最后，將待識(shí)別的車臉圖像的紋理特征量輸波方面，對高斯濾波、各種參數(shù)大小模板的中值濾波入最小距離分類器進(jìn)行識(shí)別分類。進(jìn)行比較；明確了分割車臉圖像的方法。2圖像采集及預(yù)處理1基于灰度共生矩陣紋理特征的車型識(shí)別系2．1圖像采集統(tǒng)本文從公路車輛視頻中提取各幀圖像，選擇一張基于灰度共生矩陣紋理特征
5、的車型識(shí)別系統(tǒng)由不含運(yùn)動(dòng)目標(biāo)的圖像作為參考；然后計(jì)算當(dāng)前幀與參車輛圖像采集及預(yù)處理、車臉分割、紋理特征提取、考圖像對應(yīng)像素位置的灰度差值，若差值不為0的像基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目(61102034)；廣東省工業(yè)2015年第36卷第2期自動(dòng)化與信息工程33高新技術(shù)領(lǐng)域科技計(jì)劃項(xiàng)目(2013B010401028)資助。1909、局部平穩(wěn)性為1632．2393。將這5個(gè)特征值按順序分別作為元素組成一個(gè)列向量。按照上述方法，在所建立的標(biāo)準(zhǔn)車臉圖像庫中，分別提取每幅圖像的^：L-1L-1．．．．(7)紋理特征，建
6、立紋理特征庫。圖8實(shí)驗(yàn)車臉圖像將待識(shí)別樣本的紋理特征向量與紋理特征庫中每類車型的平均紋理特征向量進(jìn)行距離計(jì)算，選擇距離最短的為識(shí)別結(jié)果。3個(gè)品牌車的實(shí)驗(yàn)結(jié)果見表1。表1實(shí)驗(yàn)結(jié)果品牌訓(xùn)練樣本測試樣本正確識(shí)別正確識(shí)數(shù)目／輛數(shù)目／輛數(shù)目／輛別率／％大眾5282589．3豐田5282692．9雪佛蘭5292689．76實(shí)驗(yàn)本文實(shí)驗(yàn)系統(tǒng)開發(fā)平臺(tái)為MicrosoftWindows7操作系統(tǒng)，前端開發(fā)工具采用VS2010，圖像處理中應(yīng)用OpenCV函數(shù)包。實(shí)驗(yàn)中，在公路上拍攝了100幅車輛的正面序列圖像，將圖像進(jìn)行處理。在
7、標(biāo)準(zhǔn)車臉圖像庫中選取15幅車臉圖像作為訓(xùn)練樣本，85幅車臉圖像作為測試樣本，正確識(shí)別的車型有77幅，識(shí)別率達(dá)到90％。7結(jié)論本文提出的基于灰度共生矩陣紋理特征的車型d9092632125033163＼識(shí)別系統(tǒng)穩(wěn)定、正確識(shí)別率高、實(shí)時(shí)性好，但適用范f2458O84292101O＼圍窄，例如光照強(qiáng)度等因素嚴(yán)重影響準(zhǔn)確度。若光線l209851697612625ll671786242701440I強(qiáng)烈，車輛的顏色較暗時(shí)，前景圖像中車輛所在的區(qū)l40107829582115Il00316782908411I域會(huì)比背景圖
8、像暗，用前景圖像減去背景圖像所得到＼5104198029676J的車輛圖像不完整，提取的紋理特征量就不能準(zhǔn)確地＼5812425683313／代表該車型，致使識(shí)別結(jié)果不準(zhǔn)確。因此后續(xù)還需進(jìn)一步研究去光照的算法。(下轉(zhuǎn)第40頁)36污染的計(jì)算及評價(jià)提供方便[5】。[3]林曉星．建筑物外立面泛光照明光污染防治[D]．廈門：華僑大學(xué)．2014：60．參考文獻(xiàn)[4]蘇曉明．居住區(qū)光污染綜合評價(jià)研究[D]．天津
