車臉主要信息識(shí)別技術(shù)研究.pdf

1、隨著數(shù)字圖像處理技術(shù)和視頻監(jiān)控設(shè)備的不斷進(jìn)步，智能交通系統(tǒng)越來越受到人們的廣泛關(guān)注，而作為智能交通系統(tǒng)的重要部分，車臉信息識(shí)別相關(guān)技術(shù)的研究具有重要的實(shí)際意義，在交通指揮調(diào)控、車流量統(tǒng)計(jì)、安防以及公安系統(tǒng)等領(lǐng)域具有廣泛的應(yīng)用前景。本文中研究的主要內(nèi)容是:車臉信息的識(shí)別，包括車牌號(hào)碼、車身顏色、車牌顏色等進(jìn)行了信息識(shí)別。首先對(duì)圖像的預(yù)處理方法進(jìn)行了介紹，通過空間中值濾波、形態(tài)學(xué)處理，為后續(xù)的識(shí)別工作提供了基礎(chǔ)。將車臉信息識(shí)別系統(tǒng)分為車牌定

2、位、傾斜校正、字符切割、字符識(shí)別、車牌顏色識(shí)別、車身顏色識(shí)別等六個(gè)部分。本文的主要工作和創(chuàng)新點(diǎn)可歸納為如下四點(diǎn):
　　1.提出了一種基于特殊梯度算子的車牌定位方法
　　本文借鑒了基于灰度形態(tài)學(xué)處理技術(shù)的灰度圖像車牌定位方法，提出了一種基于灰度梯度圖像的車牌定位算法。車牌圖像的特征包括顏色和紋理特征，車牌字符與底色在黃色通道或者藍(lán)色通道下具有最大的對(duì)比效果，車牌在底色與字符邊界具有明顯的對(duì)比度。因此，本文建立了黃色和藍(lán)色通道下

3、的灰度圖像，通過水平鄰域極差計(jì)算圖像梯度，從而增強(qiáng)車牌特征。然后，通過灰度形態(tài)學(xué)處理對(duì)得到的梯度圖像進(jìn)行處理，提取車牌特征并定位車牌。通過實(shí)驗(yàn)對(duì)比分析，該方法增強(qiáng)了對(duì)夜晚圖像特征提取的效果，算法簡(jiǎn)單，適應(yīng)性強(qiáng)。
　　2.車牌圖像的校正和字符切割
　　針對(duì)基于經(jīng)典Hough變換的車牌圖像傾斜校正算法在模糊污染圖像的處理中適用性差的缺點(diǎn)，本文采用了線性回歸模型對(duì)車牌傾斜角度進(jìn)行估計(jì)，以車牌區(qū)域內(nèi)部中字符連通域上邊界坐標(biāo)為樣本數(shù)據(jù)

4、進(jìn)行擬合，得出估計(jì)結(jié)果。針對(duì)字符切割，本文利用車牌字符尺寸標(biāo)準(zhǔn)和對(duì)稱性，在豎直方向建立切割線，以切割線的像素和為目標(biāo)函數(shù)，提出了一種優(yōu)化切割方法，通過實(shí)驗(yàn)仿真和理論分析，驗(yàn)證了算法的有效性，有效的解決了字符粘連車牌圖像的切割效果差的問題。
　　3.提出了一種基于K-means車牌顏色識(shí)別方法
　　對(duì)于車牌顏色識(shí)別，本文提出了一種基于K-均值聚類方法的顏色識(shí)別模型。對(duì)于定位得到的車牌圖像，首先通過圖像內(nèi)縮選取顏色樣本，然后利用

5、車牌像素的空間特性，通過K-means聚類計(jì)算底色類與字符類顏色的像素值，依據(jù)顏色與亮度關(guān)系建立顏色調(diào)整模型，修正色彩數(shù)值，改善識(shí)別結(jié)果的準(zhǔn)確性，并根據(jù)聚類中心對(duì)車牌進(jìn)行二值化，增強(qiáng)二值化的效果，通過大量車牌圖像的顏色識(shí)別，驗(yàn)證了算法的有效性和適用性。
　　4.提出了一種顏色校正的車身顏色識(shí)別方法
　　針對(duì)車身顏色識(shí)別中車輛圖像由于車燈強(qiáng)光照射使得圖像光線不均勻的問題，本文以車牌顏色的計(jì)算結(jié)果和識(shí)別結(jié)果，建立圖像像素模型，對(duì)