opencv的车标识别系统的(源码)
在智能交通系统视觉研究领域中，车辆识别系统是近几年来最热门的话题之一，同样也是公路视频监控与调查的重要组成部分。车辆识别研究方向，主要包括车型的研究、车牌的研究、车标的研究。汽车车型、汽车车牌、汽车标志（以下简称车标）都是车辆的重要信息，也是车辆的身份证。车标作为识别车辆的重要参数包含着车辆不可轻易更换的信息，有着其独特的地位，为识别车辆的类型提供了重要依据。此外，如果将车标识别与车牌识别相结合，将会大大提高车辆识别的鲁棒性。在车标识别系统中，包括车辆图像的采集、图像的处理、车标的定位、车标的识别等部分，在这些步骤中，图像处理部分包括图像灰度化、图像平滑去噪、图像边缘检测等。车标的定位和车标的识别技术是两个关键的部分，本文主要研究了车标定位和车标识别的方法。在车标定位部分，根据内容，可分为粗定位和精定位两个子部分，粗定位部分首先需要定位出车牌位置，提出以车牌高度为参照基准的车标粗定位。精定位部分，提出了一种根据车标背景散热片纹理方向分别进行处理的算法，针对不同车辆的不同的背景纹理类型采取不同的过滤方法。识别部分，针对车标的边缘梯度变换特征与车标的样本数量，使用方向梯度直方图（Histogram of Oriented Gradient, HOG）和支持向量机（Support Vector Machine，SVM）相结合的方法。实验表明，本文的车标定位准确率与识别率达到91%以上，与传统的基于模板匹配和基于SFIT特征匹配车标识别方法相比，本文的算法更加适合现实环境并有较高的准确率。关键字 图像处理，车牌定位，车标定位，数学形态、车标识别、支持向量机
目录
1 引言 1
1.1 课题研究背景及意义 1
1.2 国内外的研究与发展现状 2
1.3本文的所做的主要工作以及章节介绍 3
2 图像预处理技术 5
2.1 图像灰度化处理 5
2.2 图像平滑去噪处理 6
2.3 图像边缘检测处理 8
3 车辆标志定位算法 9
3.1基于车牌定位的车标粗定位方法 9
3.2基于背景抑制的车标精定位 13
4 车辆标志识别算法 15
4.1 一般图像的特征和分类器 15
4.2 *好棒文|www.hbsrm.com +Q: #351916072#
基于HOG+SVM的车标识别 20
5实验结果及分析 23
5.1车标识别系统的开发运行环境 23
5.2 实验结果分析 23
结论 30
致 谢 31
参考文献 32
1 引言
1.1 课题研究背景及意义
随着我国经济与科技的飞速发展，人们的出行方式发生了翻天覆地的变化，交通运输业也迎来了空前的繁荣，从自行车到摩托车再到汽车，随着人们生活质量的提高，汽车在日常生活中越发普及，越来越多的汽车活跃在马路与高速公路上，截至到2017年初，我国汽车总数达到1.94亿辆，汽车驾驶人数已经超过3.1亿人次，来自新华社消息，仅仅2016年新增汽车达到2752万，比2015年增长15.08%。在汽车数量飞速增长的同时，也给交通管理行业带来了巨大的压力。在消耗大量的人力财力的前提下，交通管理有时依旧达不到预期目的，工作人员的效率也得不到保证。
智能交通系统（ITS，Intelligent Transportation System）[1][2], 是将通信技术、控制技术、通信技术等有效地融合在交通系统中的结果。早在二十世纪八十年代，一些发达国家如日本、美国等，已经对智能交通开始进行研究。在科技、经济、管理、信息全球化的当下，智能交通系统也必将快速发展，这一领域也必将成各国研究领域的一大热门话题。
图 1.1 中国智能交通系统体系示意图
车辆标志识别系统作为智能交通系统中的一个重要子部分。单纯从车辆识别的角度来看，车标可以作为车辆上不可替代的信息，主要表现在，从车型角度讲，车型作为车辆识别研究的一个属性，不同厂家的汽车，车型可以一致，必须通过车牌或者车标来识别。从车牌角度讲，车牌存在着套牌现象，那么这个时候车牌所传达的信息已经没有什么意义了，这时，车标自然成了人们的关注点，也成为研究的对象。
所以基于OpenCV的车标识别[39]系统的设计与开发是一项非常有意义的课题，在许多方面都有实用价值，主要体现在如下社会与科研三个大方面[3]：
a）车辆管理与马路监控中的重要组成部分
在车辆管理系统中，合法用户的车辆信息可以从车牌中获取，但是不排除一些非法用户利用套牌，躲避车辆的监控系统。通过套牌还可以躲避违章查处，这时候车标就成为了一个重要的参考因素，同时对犯罪车辆的追踪提供了重要信息。
b）公路路口自动化收费系统的组成部分
为了解放劳动力，路口自动化收费系统孕育而出，无需人们干预而实现自动收费的过程。同时能够对一些逃费行为进行识别与预防，当然，单纯从车型或者从车牌上识别可能会判断错误，因此将车型、车牌与包含生产信息的车标结合起来，能够大大提高识别的准确率，从而有效预防逃费行为，进而增加了收费系统的稳定性。
促进多学科科研发展
车标识别系统的发展在促进智能交通系统发展的同时，所带来的一些探究方法，在图像处理的其他学科领域依旧适用，促进其他领域图像识别技术的发展。
所以车辆标志识别系统时智能交通系统必不可少的一部分。
1.2 国内外的研究与发展现状
早在上个世纪八十年代，日本就开始了对智能交通系统的研究，投入了大量的人力、物力资源，建立了相对于其他国家较为实用的交通系统。仅1996与1997年对人工智能技术研发就投入了9.7亿元，对于硬件与基础设施的推广，日本投入78.2亿元。美国的智能交通系统发展几乎是和日本同时起步，最开始的路径电子导航系统，美国目前智能交通的实施覆盖范围较为广。各国科研人员对智能交通系统几乎达成共识，为实现交通可持续、研发创新、节能减排、推广应用。在我国，对智能交通系统的研究起步相比较于日本、美国等一些发达国家稍晚一些。
车辆标志识别系统作为智能交通系统的一个重要子部分，在车标识别系统中，车标的定位技术和车标的识别技术是研究人员关心的两个关键的部分。
车标定位和车牌定位[4]有所不一样，车牌所具有的可辨属性车标几乎都没有，比如:比如车牌蓝色于黄色底色、车牌的矩形轮廓、车牌的位置。所以对车标的定位，需要有更深层次观察研究。当前，主流的车标定位方法有：
基于边缘检测和模板匹配的车标定位方法[5]
该方法对于车标的定位，采用一种由粗定位到精定位的方法。在粗定位中，利用大多数车标区域在车灯带的中间，采用先验知识，大致定位到车灯带的感兴趣区域，然后再设置截取一个匹配模板，分别从左至中和从由至中，依次匹配。设置一个阈值，如果相似度大于一定阈值，则不相似，相似度度小于一定阈值，则不相似，这样处理就可以确定车标的左右边界，通过边缘可以确定车标的上下边界。
基于边缘投影的快速车标定位方法[6]
这种车标定位的方法简洁快速高效的方法，其大体思路是，首先通过车辆的车牌与背景有着明显的差异，定位到车牌位置，然后根据车牌的位置再粗略定位到车标的位置，然后进行边缘检测，垂直与水平方向投影，根据投影图，可以定位到车标的各个边界。
基于中轴线与对称知识的车标定位方法[7]
这种方法对于车辆图像的质量要高，在前期的观察中，车标包含在车灯带的中间位置，关于整个车头对称，所以先利用边缘检测定位出整个车的头部轮廓，利用投影知识，找出中轴线，那么这个中轴线贯穿了车标，再根据整个车的头部轮廓，计算出车标的大体位置，再根据投影的知识截取到车标精确位置。
目录
1 引言 1
1.1 课题研究背景及意义 1
1.2 国内外的研究与发展现状 2
1.3本文的所做的主要工作以及章节介绍 3
2 图像预处理技术 5
2.1 图像灰度化处理 5
2.2 图像平滑去噪处理 6
2.3 图像边缘检测处理 8
3 车辆标志定位算法 9
3.1基于车牌定位的车标粗定位方法 9
3.2基于背景抑制的车标精定位 13
4 车辆标志识别算法 15
4.1 一般图像的特征和分类器 15
4.2 *好棒文|www.hbsrm.com +Q: #351916072#
基于HOG+SVM的车标识别 20
5实验结果及分析 23
5.1车标识别系统的开发运行环境 23
5.2 实验结果分析 23
结论 30
致 谢 31
参考文献 32
1 引言
1.1 课题研究背景及意义
随着我国经济与科技的飞速发展，人们的出行方式发生了翻天覆地的变化，交通运输业也迎来了空前的繁荣，从自行车到摩托车再到汽车，随着人们生活质量的提高，汽车在日常生活中越发普及，越来越多的汽车活跃在马路与高速公路上，截至到2017年初，我国汽车总数达到1.94亿辆，汽车驾驶人数已经超过3.1亿人次，来自新华社消息，仅仅2016年新增汽车达到2752万，比2015年增长15.08%。在汽车数量飞速增长的同时，也给交通管理行业带来了巨大的压力。在消耗大量的人力财力的前提下，交通管理有时依旧达不到预期目的，工作人员的效率也得不到保证。
智能交通系统（ITS，Intelligent Transportation System）[1][2], 是将通信技术、控制技术、通信技术等有效地融合在交通系统中的结果。早在二十世纪八十年代，一些发达国家如日本、美国等，已经对智能交通开始进行研究。在科技、经济、管理、信息全球化的当下，智能交通系统也必将快速发展，这一领域也必将成各国研究领域的一大热门话题。
图 1.1 中国智能交通系统体系示意图
车辆标志识别系统作为智能交通系统中的一个重要子部分。单纯从车辆识别的角度来看，车标可以作为车辆上不可替代的信息，主要表现在，从车型角度讲，车型作为车辆识别研究的一个属性，不同厂家的汽车，车型可以一致，必须通过车牌或者车标来识别。从车牌角度讲，车牌存在着套牌现象，那么这个时候车牌所传达的信息已经没有什么意义了，这时，车标自然成了人们的关注点，也成为研究的对象。
所以基于OpenCV的车标识别[39]系统的设计与开发是一项非常有意义的课题，在许多方面都有实用价值，主要体现在如下社会与科研三个大方面[3]：
a）车辆管理与马路监控中的重要组成部分
在车辆管理系统中，合法用户的车辆信息可以从车牌中获取，但是不排除一些非法用户利用套牌，躲避车辆的监控系统。通过套牌还可以躲避违章查处，这时候车标就成为了一个重要的参考因素，同时对犯罪车辆的追踪提供了重要信息。
b）公路路口自动化收费系统的组成部分
为了解放劳动力，路口自动化收费系统孕育而出，无需人们干预而实现自动收费的过程。同时能够对一些逃费行为进行识别与预防，当然，单纯从车型或者从车牌上识别可能会判断错误，因此将车型、车牌与包含生产信息的车标结合起来，能够大大提高识别的准确率，从而有效预防逃费行为，进而增加了收费系统的稳定性。
促进多学科科研发展
车标识别系统的发展在促进智能交通系统发展的同时，所带来的一些探究方法，在图像处理的其他学科领域依旧适用，促进其他领域图像识别技术的发展。
所以车辆标志识别系统时智能交通系统必不可少的一部分。
1.2 国内外的研究与发展现状
早在上个世纪八十年代，日本就开始了对智能交通系统的研究，投入了大量的人力、物力资源，建立了相对于其他国家较为实用的交通系统。仅1996与1997年对人工智能技术研发就投入了9.7亿元，对于硬件与基础设施的推广，日本投入78.2亿元。美国的智能交通系统发展几乎是和日本同时起步，最开始的路径电子导航系统，美国目前智能交通的实施覆盖范围较为广。各国科研人员对智能交通系统几乎达成共识，为实现交通可持续、研发创新、节能减排、推广应用。在我国，对智能交通系统的研究起步相比较于日本、美国等一些发达国家稍晚一些。
车辆标志识别系统作为智能交通系统的一个重要子部分，在车标识别系统中，车标的定位技术和车标的识别技术是研究人员关心的两个关键的部分。
车标定位和车牌定位[4]有所不一样，车牌所具有的可辨属性车标几乎都没有，比如:比如车牌蓝色于黄色底色、车牌的矩形轮廓、车牌的位置。所以对车标的定位，需要有更深层次观察研究。当前，主流的车标定位方法有：
基于边缘检测和模板匹配的车标定位方法[5]
该方法对于车标的定位，采用一种由粗定位到精定位的方法。在粗定位中，利用大多数车标区域在车灯带的中间，采用先验知识，大致定位到车灯带的感兴趣区域，然后再设置截取一个匹配模板，分别从左至中和从由至中，依次匹配。设置一个阈值，如果相似度大于一定阈值，则不相似，相似度度小于一定阈值，则不相似，这样处理就可以确定车标的左右边界，通过边缘可以确定车标的上下边界。
基于边缘投影的快速车标定位方法[6]
这种车标定位的方法简洁快速高效的方法，其大体思路是，首先通过车辆的车牌与背景有着明显的差异，定位到车牌位置，然后根据车牌的位置再粗略定位到车标的位置，然后进行边缘检测，垂直与水平方向投影，根据投影图，可以定位到车标的各个边界。
基于中轴线与对称知识的车标定位方法[7]
这种方法对于车辆图像的质量要高，在前期的观察中，车标包含在车灯带的中间位置，关于整个车头对称，所以先利用边缘检测定位出整个车的头部轮廓，利用投影知识，找出中轴线，那么这个中轴线贯穿了车标，再根据整个车的头部轮廓，计算出车标的大体位置，再根据投影的知识截取到车标精确位置。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1398.html
