多姿態(tài)車輛識(shí)別系統(tǒng)設(shè)計(jì).pdf

1、經(jīng)濟(jì)的快速增長(zhǎng)，讓老百姓生活水平有了巨大的變化，人們對(duì)車輛的需求也不斷擴(kuò)大，但伴隨而來的是交通管理、環(huán)境等問題也日益嚴(yán)峻，在許多層面，迫切需要尋找一種新型的交通管理方式，在這種情況下智能交通系統(tǒng)產(chǎn)生了。在智能交通系統(tǒng)中，車輛識(shí)別一直是一個(gè)熱點(diǎn)和難點(diǎn)，國(guó)內(nèi)外學(xué)者均對(duì)此有一定的研究。本文主要是針對(duì)拍攝的車輛的前臉圖像，并且結(jié)合實(shí)際拍攝的車輛圖像可能存在傾斜的情況，總結(jié)了基于 PCA和 SURF特征相結(jié)合的多姿態(tài)車輛識(shí)別算法，并設(shè)計(jì)和實(shí)現(xiàn)了多

2、姿態(tài)車輛識(shí)別系統(tǒng)。
　　系統(tǒng)主要分為車輛樣本特征訓(xùn)練過程和車型識(shí)別分類兩大部分。第一部分主要是針對(duì)訓(xùn)練樣本庫(kù)的處理，首先定位車牌，然后一方面根據(jù)車牌的傾斜角度對(duì)車輛進(jìn)行傾斜校正，一方面根據(jù)車牌的位置信息進(jìn)行車臉區(qū)域的截取。獲得車臉之后，在車臉區(qū)域提取PCA特征，離線存儲(chǔ)至本地文件，同時(shí)樣本庫(kù)中每一輛車的基本信息也存儲(chǔ)至數(shù)據(jù)庫(kù)當(dāng)中；第二部分主要是針對(duì)輸入系統(tǒng)的測(cè)試樣本而言的，按照上述同樣的方法截取車臉區(qū)域，然后提取PCA特征，加載訓(xùn)

3、練樣本的PCA特征庫(kù)，利用改進(jìn)的k-d樹算法尋找到最匹配的五幅訓(xùn)練樣本，在訓(xùn)練樣本和測(cè)試樣本的排氣柵區(qū)域進(jìn)一步提取SURF特征，進(jìn)行SURF特征匹配得到識(shí)別結(jié)果。
　　本文用OpenCV和VS2010搭建實(shí)驗(yàn)平臺(tái)，以SQLServer2005為后臺(tái)數(shù)據(jù)庫(kù)，共采集了411張車輛圖片建立訓(xùn)練樣本庫(kù)，并在數(shù)據(jù)庫(kù)中建立了一張CarType表去存儲(chǔ)這些車輛樣本的基本信息。實(shí)驗(yàn)中，采用80×30大小的車臉共133幅測(cè)試樣本對(duì)系統(tǒng)的識(shí)別率和識(shí)別