基于圖像處理的車型識(shí)別
基于圖像處理的車型識(shí)別,基于,圖像,圖象,處理,車型,識(shí)別,辨認(rèn)
基于圖像處理的車型識(shí)別方法 基于圖像處理的車型識(shí)別方法摘要車型自動(dòng)識(shí)別是特征識(shí)別領(lǐng)域內(nèi)重要且實(shí)用價(jià)值頗高的一個(gè)應(yīng)用理論，此課題具有一定的實(shí)際價(jià)值和廣闊的應(yīng)用前景。按一般的車型識(shí)別流程的組成思路，整個(gè)識(shí)別過(guò)程可大致分為三大部分：車型圖像預(yù)處理，特征的提取和車型識(shí)別。本文首先描述了數(shù)字圖像處理在智能交通中的原理和應(yīng)用，并大致介紹了幾種不同圖像中特征的提取方法，本文主要采用差影法除去背景圖像直接得出車型具體輪廓，然后對(duì)已得圖像進(jìn)行中值濾波消除其干擾處理等圖像處理技術(shù)，緊接著用數(shù)學(xué)形態(tài)學(xué)方法修補(bǔ)處理后的圖像，最后得了車型的長(zhǎng)與高等幾何特征數(shù)據(jù)，按統(tǒng)計(jì)得到的標(biāo)準(zhǔn)判定其相應(yīng)分類，完成車型類型的判定，并通過(guò)Matlab 仿真實(shí)地檢測(cè)并得到結(jié)果。由多次實(shí)地檢測(cè)的結(jié)論得出,此算法快捷且識(shí)別速度快，雖然有天氣影響，但識(shí)別準(zhǔn)確率很高。關(guān)鍵詞：車型識(shí)別，圖像預(yù)處理，特征提取，差影法，Matlab基于圖像處理的車型識(shí)別方法 VEHICLE TYPE RECOGNITION METHOD BASED ON IMAGE PROCESSINGABSTRACTThe automatic recognition of automobile type is in the field of feature recognition and high value to an application of the theory and practical, this subject has a certain practical value and broad application prospect. According to the general model of the identification process, the whole process can be divided into three parts: vehicle image preprocessing, feature extraction and vehicle identification.This paper generally describes the digital image processing principle and application in intelligent transportation, and outlines several different feature extraction methods, this paper mainly adopts subtraction method to background image directly to specific vehicle contour and gray, and to have image median filter to eliminate the noise processing, followed by using mathematical morphology method to repair the image. Finally, we get the image models of long and high geometric features, according to the statistics of the standards for the design of the corresponding classification,vehicle type judgment, and through MATLAB simulation field testing and results. It is concluded that the algorithm is fast and fast, although it has the effect of weather, the recognition accuracy is very high.Key words: vehicle recognition, image preprocessing, feature extraction, subtraction, Matlab基于圖像處理的車型識(shí)別方法 1目 錄1 緒論 -------------------------------------------------------------------------------------31.1 本課題研究背景及意義 -------------------------------------------------------31.2 各方面國(guó)內(nèi)外的研究現(xiàn)狀 ----------------------------------------------------41.2.1 智能交通系統(tǒng)的國(guó)內(nèi)外研究現(xiàn)狀 ----------------------------------41.2.2 車型識(shí)別技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀 ----------------------------------61.2.3 背景差影法的國(guó)內(nèi)外研究現(xiàn)狀 -------------------------------------71.3 本文研究目的與主要研究?jī)?nèi)容 ----------------------------------------------82 動(dòng)態(tài)汽車識(shí)別理論基礎(chǔ) ---------------------------------------------------------------92.1 引言 -------------------------------------------------------------------------------92.2 識(shí)別模式與 ITS ----------------------------------------------------------------92.3 車牌識(shí)別技術(shù)概念 -----------------------------------------------------------102.4 車輛車型識(shí)別技術(shù)方法介紹 ------------------------------------------------112.4.1 運(yùn)用壓力感應(yīng)處理器 -------------------------------------------------122.4.2 超聲波測(cè)距技術(shù) ------------------------------------------------------122.4.3 基于視頻圖像識(shí)別技術(shù) ---------------------------------------------132.4.4 感應(yīng)線圈環(huán)測(cè)量技術(shù) ------------------------------------------------132.5 文章小結(jié) -----------------------------------------------------------------------143 車輛特征的提取 ----------------------------------------------------------------------14基于圖像處理的車型識(shí)別方法 23.1 概述 -----------------------------------------------------------------------------143.2 主要采用的差影法介紹 -----------------------------------------------------153.3 實(shí)測(cè)特征提取過(guò)程 -----------------------------------------------------------163.3.1 圖像預(yù)處理 ------------------------------------------------------------163.3.2 圖像差分處理 ---------------------------------------------------------173.3.3 形態(tài)學(xué)處理 ------------------------------------------------------------183.3.4 填充目標(biāo)圖像 ---------------------------------------------------------193.3.5 掃描得具體參數(shù) ------------------------------------------------------213.4 本章小結(jié) -----------------------------------------------------------------------224 圖像特征參數(shù)提取及車型分類 ----------------------------------------------------234.1 特征參數(shù)的選擇 --------------------------------------------------------------234.2 分類標(biāo)準(zhǔn)的設(shè)定 --------------------------------------------------------------234.3 車型識(shí)別 -----------------------------------------------------------------------244.4 測(cè)試結(jié)果和分析 --------------------------------------------------------------254.5 本章小結(jié) -----------------------------------------------------------------------255 總結(jié)與展望 ----------------------------------------------------------------------------285.1 總結(jié) -----------------------------------------------------------------------------285.2 展望 -----------------------------------------------------------------------------28參考文獻(xiàn) ----------------------------------------------------------------------------------28致謝 ----------------------------------------------------------------------------------------31附錄 ----------------------------------------------------------------------------------------32基于圖像處理的車型識(shí)別方法 31 緒論1.1 本課題研究背景及意義在我們的日常生活中，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，不斷提高傳感器的性基于圖像處理的車型識(shí)別方法 4能上限，所有的系統(tǒng)軟件和應(yīng)用大量的業(yè)務(wù)開(kāi)發(fā)和推廣的軟件，電腦系統(tǒng)以及更新轉(zhuǎn)變?yōu)閺囊郧皢我坏臄?shù)值計(jì)算應(yīng)用領(lǐng)域到文字處理，圖形、圖像處理，語(yǔ)音處理的人工智能與模式識(shí)別領(lǐng)域。經(jīng)過(guò)三十多年的研究幾代人的不斷努力，這門學(xué)科在不斷發(fā)展。在語(yǔ)音識(shí)別，藍(lán)色巨人和 BIM 以及其他企業(yè)，有各種各樣的語(yǔ)音識(shí)別產(chǎn)品的語(yǔ)言版本的問(wèn)世，連續(xù)語(yǔ)音識(shí)別等其他已相當(dāng)成熟，并已開(kāi)始移向?qū)嵱没⑸唐坊?。在圖像處理與識(shí)別，成果方面也是非常的豐富多彩，特別是在軍事，醫(yī)學(xué)，地質(zhì)，氣象以及其他領(lǐng)域，都取得了可觀的成績(jī)。車輛識(shí)別包括在識(shí)別模式范圍內(nèi)，是該領(lǐng)域中的難點(diǎn)并且具有非常實(shí)用的應(yīng)用前景。在實(shí)際運(yùn)用方面上,車型別系統(tǒng)的研究和開(kāi)發(fā)在道路收費(fèi)、車輛監(jiān)測(cè)中具有很明顯的實(shí)用價(jià)值。大背景下，社會(huì)經(jīng)濟(jì)的告訴發(fā)展，人們富裕了，買車用車的速度超過(guò)了社會(huì)道路的鋪設(shè)速度，較發(fā)達(dá)地區(qū)交通已經(jīng)擁堵得不成樣子了，人們的公路出門體驗(yàn)大打折扣，智能交通系統(tǒng)的發(fā)展進(jìn)步勢(shì)在必行。智能交通系統(tǒng) [29]（Intelligent Transportationsy Stem，ITS）是電子智能化運(yùn)輸系統(tǒng)未來(lái)的發(fā)展方向，通信技術(shù)和機(jī)器視覺(jué)集成應(yīng)用在交通管理系統(tǒng)，并建立一個(gè)實(shí)時(shí)，準(zhǔn)確，高效的綜合發(fā)展的未來(lái)方向運(yùn)輸管理系統(tǒng)。其在美國(guó)，日本和歐洲的開(kāi)發(fā)較早，應(yīng)用程序的實(shí)際水平也更高，在本世紀(jì)初，中國(guó)已經(jīng)開(kāi)始大力開(kāi)展 ITS 的研究工作。它的開(kāi)發(fā)和應(yīng)用大大增加了智能交通管理的程度，如判定路面損壞的程度，識(shí)別車輛的類型，車輛流量等。數(shù)字圖像是在它的一個(gè)重要的信息載體，和圖像處理技術(shù)對(duì)具有重要影響 ITS 該汽車的性能是交通系統(tǒng)的主要目的，并且車輛類型識(shí)別被廣泛應(yīng)用于公路管理和公路收費(fèi)系統(tǒng)。目前，在實(shí)踐中，傳統(tǒng)的電磁感應(yīng)線圈的識(shí)別模型是多，但由于其在人行道固有損傷，維修困難，獲得一個(gè)單一的參數(shù)等原因，使得它的發(fā)展受到很大的限制。車牌識(shí)別技術(shù)不斷的應(yīng)用于實(shí)際狀況，但對(duì)不按照交通法規(guī)任意改裝、遮蓋、亂掛車牌等亂象而言，也是無(wú)計(jì)可施，在不斷科技的發(fā)展中，完全智能化交通勢(shì)在必行，單一的車牌識(shí)別已經(jīng)完全不能滿足人們所需要解決的實(shí)際問(wèn)題。汽車是交通系統(tǒng)的主要目的，汽車的類型的知識(shí)被廣泛應(yīng)用于高速公路管基于圖像處理的車型識(shí)別方法 5理和高速公路收費(fèi)系統(tǒng)之中。在實(shí)踐中采用傳統(tǒng)的電磁感應(yīng)線圈識(shí)別模型較多，然而，由于其對(duì)路面固有損傷，維修困難，獲得參數(shù)比較唯一等原因，其發(fā)展受到很大的限制，“車牌識(shí)別”雖然也逐步被應(yīng)用，但一些違規(guī)遮擋，涂更改，車牌現(xiàn)象就是改不了，僅靠車牌識(shí)別是不完全為了解決這些問(wèn)題的。本文以差分圖像的方法和數(shù)學(xué)形態(tài)學(xué)為核心，通過(guò)采集轎廂圖像進(jìn)行處理，這是不容易提取作弊行為的出現(xiàn)，為車輛種類幾何特征的識(shí)別設(shè)計(jì)相應(yīng)分類器。1.2 各方面國(guó)內(nèi)外的研究現(xiàn)狀1.2.1 智能交通系統(tǒng)的國(guó)內(nèi)外研究現(xiàn)狀從上世紀(jì)末到當(dāng)下，美國(guó)、西歐和日本已著手大力發(fā)展和鉆研智能交通系統(tǒng)的各方面運(yùn)用。在北美，已經(jīng)建成的“馳萬(wàn)達(dá)”道路就是很典型的現(xiàn)代化例子，此公路由電子化高速公路、智能車兩部分組成并由國(guó)際道路運(yùn)輸智能規(guī)劃。整個(gè)只能構(gòu)架由電子監(jiān)控和指揮服務(wù)中樞組成，實(shí)際運(yùn)用在車輛速度傳感器，運(yùn)輸監(jiān)管器，GSP 衛(wèi)星導(dǎo)航設(shè)備，期間用來(lái)分析和引導(dǎo)車輛返回車載導(dǎo)航地圖的所有交通速度信息，由交通狀況顯示并用無(wú)線電波發(fā)射出去給總服務(wù)器處理。在車輛中，駕駛員也可以接收來(lái)自監(jiān)控中心的話音提示信息通過(guò)特定的頻率相位鎖定 FM 無(wú)線接收器。因此，在駕駛?cè)f達(dá)路面上行駛的汽車司機(jī)一般是簡(jiǎn)單，安全，駕駛過(guò)程中，你可以得到智能處理中心的指導(dǎo)和計(jì)算機(jī)監(jiān)控中心的幫助。在智能交通系統(tǒng)的研究領(lǐng)域里，日本在較早的實(shí)有建樹(shù)，通過(guò)科技部門的大力配合下，制定并實(shí)施“公路、運(yùn)輸、車輛領(lǐng)域的信息化實(shí)施方針”，這是由導(dǎo)航系統(tǒng)、自動(dòng)不停車收費(fèi)系統(tǒng)、安全駕駛輔助系統(tǒng)等九大發(fā)展領(lǐng)域和 20 客戶服務(wù)功能共同構(gòu)建，為駕乘人員和旅客合理處理出并提供最方便的交通線路和各種交通信息的功能。在通過(guò)下表來(lái)比較具有代表性國(guó)家和區(qū)域等相關(guān)技術(shù)發(fā)展成都如何，如下表 1-1 所示。基于圖像處理的車型識(shí)別方法 6表 1-1 ITS 定義標(biāo)準(zhǔn)及主要內(nèi)容在不同國(guó)家的差異我國(guó)普遍使用電子信息互換控制的交通路口，只是智能交通系統(tǒng)的初階，早在上世紀(jì)末，由于改革開(kāi)放經(jīng)濟(jì)迅速增長(zhǎng)，對(duì)交通運(yùn)輸高流量的不斷增長(zhǎng)的需求，道路數(shù)量與能承受的汽車數(shù)量的矛盾日益突出，所以道路基礎(chǔ)設(shè)施建設(shè)項(xiàng)目ITS 定義 ITS 主要內(nèi)容美國(guó)結(jié)合運(yùn)用了資源獲取處理技術(shù)、信息互換技術(shù)、智能控制技術(shù)在交通運(yùn)輸系統(tǒng)領(lǐng)域上，顯著減緩交通運(yùn)輸?shù)膿矶?，提高運(yùn)作效率①交通運(yùn)輸管理 ⑦車輛控制及安全②運(yùn)輸需求管理 ③公共運(yùn)營(yíng)④自動(dòng)化付費(fèi)⑤商業(yè)車輛管理⑥突發(fā)狀況管理日本利用先進(jìn)的信息和通信科技創(chuàng)造一個(gè)行人，車輛和道路道路設(shè)施集成系統(tǒng)①導(dǎo)航系統(tǒng) ⑦提高商用車運(yùn)營(yíng)②自動(dòng)化收費(fèi) ⑧路人安全維護(hù) ③安全行駛輛運(yùn) ⑨突發(fā)狀況 ④交通最佳管理 ⑤提高道路管理效率⑥公共運(yùn)輸?shù)募訌?qiáng)歐盟運(yùn)用電子，運(yùn)輸，通信和其他汽車技術(shù)與公路基礎(chǔ)設(shè)施的操作，進(jìn)而完善運(yùn)輸?shù)暮侠砹鲿臣翱焖伲瑫r(shí)提高運(yùn)輸安全穩(wěn)定性，減少交通堵塞程度和改善用戶舒適度①交通管理②道路信息③行駛中實(shí)時(shí)信息④汽車控制⑤貨車及車隊(duì)管理⑥電子化收費(fèi)基于圖像處理的車型識(shí)別方法 7速度飛快，特別是高速公路和高等級(jí)公路貫穿于全國(guó)各地。但汽車發(fā)展速度較大的超越了道路的鋪設(shè)素的，更多道路基礎(chǔ)設(shè)施建設(shè)早已不可能解決日益矛盾激化國(guó)內(nèi)交通運(yùn)輸方面的各類突出問(wèn)題。同時(shí)，在智能交通系統(tǒng)的研究里我國(guó)也開(kāi)始緩慢起步。1995 年之后，中國(guó)積極參與國(guó)際 ITS 的各大科創(chuàng)交流和理論創(chuàng)新活動(dòng)，一些初步的科創(chuàng)技術(shù)已在高速公路緩慢測(cè)試進(jìn)行，并取得了一些成果。目前，北京，上海等科研院所等大型城市都投資于它的力量，并推出了一系列的研究 [25]。1.2.2 車型識(shí)別技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀車輛自動(dòng)識(shí)別系統(tǒng)作為智能交通系統(tǒng)的重要組成部分（ITS），智能識(shí)別系統(tǒng)在國(guó)外得到了充分的實(shí)際運(yùn)用，猶如公路的安全檢查、道路導(dǎo)航系統(tǒng)、城市對(duì)道路的監(jiān)管系統(tǒng)等。識(shí)別系統(tǒng)中也發(fā)展到大多用無(wú)線技術(shù)進(jìn)行終端連接，在城市道路中體現(xiàn)了不可替代的強(qiáng)大功能。當(dāng)下實(shí)用一般以下兩種的模式識(shí)別方式 [8]：⑴當(dāng)車輛通過(guò)鋪置有感應(yīng)接收器的道路上，不同汽車經(jīng)過(guò)，輪胎滾過(guò)壓力感應(yīng)器后，都會(huì)傳送出不同的感應(yīng)電壓和電流信號(hào)，經(jīng)過(guò)大量試驗(yàn)和測(cè)試，可以預(yù)先設(shè)定具體的電壓電流信號(hào)對(duì)應(yīng)的汽車具體參數(shù)，得到信號(hào)之后，傳入預(yù)設(shè)定計(jì)算內(nèi)進(jìn)行信息處理，通過(guò)編程算法實(shí)現(xiàn)，便可得出所需要的信息，當(dāng)然該方法缺點(diǎn)很明顯，如建設(shè)復(fù)雜等之類的。原理簡(jiǎn)圖如下圖 1-1。①?gòu)V泛的型號(hào)，形狀差別并不大，得到的感應(yīng)信號(hào)差別或許很小導(dǎo)致識(shí)別精度大打折扣。②汽車經(jīng)過(guò)壓力傳感器的速度是隨機(jī)的，速度過(guò)大可能造成較大干擾。③數(shù)據(jù)庫(kù)的不及時(shí)更新，趕不上多樣的車輛生產(chǎn)，從而用很難識(shí)別一些別樣的車型。④感應(yīng)線圈環(huán)存在糅雜的施工鋪設(shè)程序，存在一定局限性和 5％的錯(cuò)誤判斷率?；趫D像處理的車型識(shí)別方法 8圖 1-1 利用感應(yīng)線圈的車型識(shí)別原理簡(jiǎn)圖⑵利用圖像分析法。首先對(duì)車輛圖像源的獲取，通過(guò)對(duì)圖像進(jìn)行處理和電子化識(shí)別，得到所需要的信息，處理方法就有很多種，典型的方法就是對(duì)圖像進(jìn)行模糊處理，得到汽車部分輪廓和大小的數(shù)據(jù)，通過(guò)數(shù)據(jù)庫(kù)的對(duì)比，預(yù)設(shè)定參數(shù)對(duì)應(yīng)的車型，通過(guò)編程算法實(shí)現(xiàn)對(duì)車輛的精度識(shí)別，在社會(huì)上較為普遍和易于實(shí)施的識(shí)別方法，具有不錯(cuò)的經(jīng)濟(jì)和社會(huì)效益。此系統(tǒng)是由檢測(cè)技術(shù)、圖像獲取技術(shù)和圖像處理技術(shù)三者合理運(yùn)用相結(jié)合，在以實(shí)現(xiàn)檢測(cè)和識(shí)別目標(biāo)對(duì)象類別。在視頻系統(tǒng)另一方面里，提供的圖像和流量參數(shù)給交通控制中心，它屬于同一個(gè)信息收集部。因此，目前國(guó)內(nèi)外專家一致認(rèn)為，視頻車輛檢測(cè)系統(tǒng)分為廣義車輛檢測(cè)的范疇。結(jié)構(gòu)原理簡(jiǎn)圖如 1-2。圖 1-2 系統(tǒng)硬件結(jié)構(gòu)簡(jiǎn)圖1.2.3 背景差影法的國(guó)內(nèi)外研究現(xiàn)狀差影法普遍存在于生活中的各項(xiàng)科技產(chǎn)品中，例如，它可以在監(jiān)視系統(tǒng)中使用，在銀行金庫(kù)和相機(jī)在很短的時(shí)間間隔拍攝圖像，圖像的畫(huà)面做減法，如基于圖像處理的車型識(shí)別方法 9果圖像差超過(guò)預(yù)設(shè)的閾值，說(shuō)明異常情況發(fā)生，那么他們就應(yīng)該敲響的警鐘。在遙感影像動(dòng)態(tài)監(jiān)測(cè)，圖像的差別可以用森林火災(zāi)，水災(zāi)發(fā)現(xiàn)，監(jiān)測(cè)災(zāi)情的變化和估算的損失，也可用于河口和海岸泥沙淤積和監(jiān)控河流，湖泊，近海污染監(jiān)測(cè)。使用差分圖像識(shí)別耕地和作物不同覆蓋范圍。用差影法技術(shù)來(lái)除去目標(biāo)背景的干擾項(xiàng)有不錯(cuò)的效果，在實(shí)際運(yùn)作中有很大的實(shí)用性，利于高速公路收費(fèi)站，因?yàn)楸尘岸际窍嗤能嚨溃B續(xù)幾幀的照片做差影法，就可以得到經(jīng)過(guò)車輛的具體輪廓，得到參數(shù)進(jìn)行算法識(shí)別后得到所需要的信息。1.3 本文研究目的與主要研究?jī)?nèi)容本文主要研究的目的是通過(guò)圖像處理技術(shù)，經(jīng) MATLAB 軟件仿真，識(shí)別出目標(biāo)圖像中汽車的具體幾個(gè)車型，例如 SUV、面包車、轎車等?？傊n題的主要研究?jī)?nèi)容是，本課題設(shè)計(jì)出的汽車類型自動(dòng)識(shí)別系統(tǒng),能夠準(zhǔn)確、快速的識(shí)別出幾個(gè)常見(jiàn)車型，這里面要求基于 MATLAB 的算法編程簡(jiǎn)練、運(yùn)算量小不復(fù)雜，且運(yùn)用 MATLAB 仿真得出具體輪廓圖像清晰明了。本論文主要進(jìn)行圖像處理方法選擇和汽車車型分類設(shè)計(jì)的工作。以下部分就從研究目的與內(nèi)容展開(kāi)論述?；趫D像處理的車型識(shí)別方法 102 動(dòng)態(tài)汽車識(shí)別理論基礎(chǔ)2.1 引言車輛識(shí)別技術(shù)不僅是學(xué)術(shù)話題的圖像識(shí)別模式，也是一個(gè)在不斷發(fā)展的智能化現(xiàn)代所需要的實(shí)用技術(shù)，有很寬的開(kāi)放潛力。動(dòng)態(tài)識(shí)別技術(shù)對(duì)智能交通、基于圖像處理的車型識(shí)別方法 11物流運(yùn)作以及對(duì)公共場(chǎng)所的監(jiān)管有較為深遠(yuǎn)的影響，對(duì)智能交通系統(tǒng)（ITS）和智能技術(shù)的發(fā)展有很大的影響。2.2 識(shí)別模式與 ITS在不斷的科技發(fā)展中，模式識(shí)別技術(shù)因涉及領(lǐng)域廣，不同程度的得到創(chuàng)新和發(fā)展，通過(guò)這個(gè)技術(shù)已經(jīng)能智能化的處理很多實(shí)際問(wèn)題，解放大量勞動(dòng)力，經(jīng)濟(jì)效益顯著。主要具體內(nèi)容是由下圖 2-1 中各個(gè)模式識(shí)別系統(tǒng)中的組成單元完成，模式識(shí)別系統(tǒng)的單元組成和功能：（1）該單元可直接用于接收實(shí)用信息，當(dāng)然換個(gè)用法也可作為數(shù)據(jù)采集單元；（2）特性參數(shù)判定及獲取，主要有基本單元提取并使用測(cè)量模式；（3）預(yù)處理單元，在某些情況下，有必要對(duì)接收到的特征參數(shù)進(jìn)行更多不同的處理甚至初級(jí)掃描和分類，最后再送入分類識(shí)別服務(wù)中心；（4）描述單位是在模式識(shí)別系統(tǒng)中最重要的組成；（5）結(jié)尾處理單元，特定情況下，使用從核心處理單元的輸出數(shù)據(jù)才能被應(yīng)用；圖 2-1 模式識(shí)別系統(tǒng)流程簡(jiǎn)圖為了實(shí)現(xiàn)自動(dòng)化和智能交通系統(tǒng)管理，模式識(shí)別技術(shù)自動(dòng)化技術(shù)作為一個(gè)重要的領(lǐng)域，發(fā)揮著不可磨滅的重要地位。目前，典型的模式識(shí)別技術(shù)被施加到 ITS 中，其主要內(nèi)容是車牌識(shí)別和車型識(shí)別的核心技術(shù)。基于圖像處理的車型識(shí)別方法 122.3 車牌識(shí)別技術(shù)概念眾所周知，車輛牌照是等同于汽車本身的詳細(xì)身份，汽車監(jiān)管主要是通過(guò)車輛已經(jīng)登記的車輛對(duì)應(yīng)相應(yīng)牌照來(lái)進(jìn)行監(jiān)管。因此，識(shí)別系統(tǒng)中最初是通過(guò)識(shí)別到具體車牌，然后對(duì)照車輛管理服務(wù)器系統(tǒng)得到信息，但目前很多地區(qū)也是用著人工人眼識(shí)別獲得圖像的目標(biāo)車牌，人工確認(rèn)圖案后，手動(dòng)的輸入到處理服務(wù)器中，工作枯燥繁雜且存在一定不可消除的人為誤差。根據(jù)這種情況，車牌制式的自動(dòng)識(shí)別系統(tǒng)出現(xiàn)了。在我國(guó)，車牌識(shí)別的相關(guān)研究早已開(kāi)始，起初因研究相對(duì)緩慢，不能結(jié)合實(shí)際良好的處理解決問(wèn)題。本世紀(jì)初，隨著智能化處理數(shù)據(jù)的飛速發(fā)展，車牌識(shí)別技術(shù)相應(yīng)得到了更新。同時(shí)市場(chǎng)進(jìn)一步更新也有了更多的科技需求才能滿足現(xiàn)狀，這樣的研究已經(jīng)被越來(lái)越多的人的關(guān)注，如今國(guó)家對(duì)這個(gè)領(lǐng)域投入了足夠的精力，相信在未來(lái)該技術(shù)會(huì)被完善得更好。2.4 車輛車型識(shí)別技術(shù)方法介紹車輛識(shí)別技術(shù)是模式識(shí)別領(lǐng)域內(nèi)一部分，它是很典型的模式識(shí)別方式。因此，因汽車類別識(shí)別技術(shù)在汽車交通科學(xué)中具有的重要性，這個(gè)技術(shù)是需要進(jìn)一步研究并發(fā)展的。有許多不同的方法和應(yīng)用中的車輛識(shí)別的基準(zhǔn)，其通常具有以下的研究方向：2.4.1 運(yùn)用壓力感應(yīng)處理器壓力傳感器系統(tǒng)包括數(shù)據(jù)測(cè)量電路，參數(shù)檢測(cè)電路和處理電路的測(cè)量參數(shù)，并且其一般的工作流是由以下幾部分組成：1）使用壓力傳感器來(lái)收集支承端點(diǎn)在鋼梁的負(fù)載狀態(tài)的大小;2）基于測(cè)量獲得的支撐反作用力的參數(shù)值，還測(cè)量鋼梁支撐反作用力參數(shù)，對(duì)下測(cè)量車輛軸距及提前預(yù)知閾值大小，最終確定近似車輛軸距的范圍;3）汽車輪距數(shù)值的大小是通過(guò)相應(yīng)測(cè)量得到的平衡原理端點(diǎn)支持反作用力的參數(shù)值，通過(guò)計(jì)算機(jī)運(yùn)用數(shù)學(xué)公式得出結(jié)果；基于圖像處理的車型識(shí)別方法 134）如上所述使用參數(shù)獲得的軸距和輪距來(lái)分類車輛。這個(gè)技術(shù)手段其構(gòu)成結(jié)構(gòu)簡(jiǎn)單，低成本高效率，并無(wú)視黑夜白天體現(xiàn)完整的模式識(shí)別能力。2.4.2 超聲波測(cè)距技術(shù)超聲波發(fā)送振幅范圍的大小決定了傳感器的工作范圍，它的工作原理是通過(guò)超聲波信號(hào)進(jìn)行車輛和路面反射測(cè)量，以確定在傳感器和車輛或道路之間的距離，因此，當(dāng)在道路上的車信號(hào)在沒(méi)有車輛運(yùn)行時(shí)候是不一樣的，我們通過(guò)這個(gè)不同找到規(guī)律用于檢測(cè)車輛。聲音信號(hào)由傳感器接收，傳感器將所述聲音信號(hào)轉(zhuǎn)換成電信號(hào)，然后由信號(hào)分析處理服務(wù)器處理得出數(shù)據(jù)，處理后將獲得車輛計(jì)數(shù)和道路占有率的信息。確定車輛是否通過(guò)的工作原理是通過(guò)檢測(cè)接收的超聲波的頻率變化。運(yùn)用超聲波距離測(cè)量原理：發(fā)射裝置向空間任意一方向發(fā)射超聲波，同時(shí)裝置內(nèi)計(jì)時(shí)器開(kāi)始計(jì)時(shí)，超聲波遇到期間任意障礙物便產(chǎn)生反彈聲波，又專用元件檢測(cè)并感應(yīng)，同時(shí)計(jì)時(shí)結(jié)束，理論上已知音速，反彈的時(shí)間，便可得到所測(cè)距離。這種方法是回聲測(cè)距方法。超聲波轉(zhuǎn)換器也被稱為基于超聲波測(cè)距原理超聲換能器，我們常說(shuō)的超聲波探頭。超聲波探測(cè)器可以接收從各種車輛被反射的回波信號(hào)，然后把該回波信號(hào)接收轉(zhuǎn)入中轉(zhuǎn)器，分析過(guò)后可得到相應(yīng)數(shù)據(jù)，通過(guò)預(yù)設(shè)定參數(shù)對(duì)應(yīng)相關(guān)的車型，以確定車輛類型，該技術(shù)的缺點(diǎn)是低精度，容易受到外界噪聲等其他因素干擾。2.4.3 基于視頻圖像識(shí)別技術(shù)視頻圖像的技術(shù)是基于部分視頻信息，對(duì)車輛識(shí)別。該技術(shù)是根據(jù) CCD 攝像機(jī)的圖象信息，在正常情況下，攝像機(jī)可以準(zhǔn)確地捕捉圖像的汽車主體側(cè)身圖像，圖像尺寸為 384×288 彩色圖像，該圖像的視頻信號(hào)切換然后送入圖像卡，并通過(guò) A / D 轉(zhuǎn)換成存儲(chǔ)在數(shù)據(jù)存儲(chǔ)器中。計(jì)算機(jī)圖像卡存儲(chǔ)器中的數(shù)字圖像被讀入存儲(chǔ)器，通過(guò)計(jì)算機(jī)圖像處理，降噪和邊緣檢測(cè)等，車輛的長(zhǎng)度，高度和其他數(shù)字信息一并得到，并進(jìn)一步計(jì)算車頂?shù)南鄬?duì)位置，即根據(jù)下式：正面坐標(biāo)-頂板中心的坐標(biāo)和車長(zhǎng)，長(zhǎng)高比（車長(zhǎng)\車輛高度），頂部長(zhǎng)度比等相關(guān)參數(shù)來(lái)數(shù)學(xué)幾何運(yùn)算，這些數(shù)據(jù)收集和分析，我們可以得出的具體汽車類別?；趫D像處理的車型識(shí)別方法 14車輛自動(dòng)識(shí)別系統(tǒng)的視頻圖像的系統(tǒng)技術(shù)優(yōu)勢(shì)明顯，但天氣等第三類因素干擾過(guò)大，在一些最惡劣的天氣條件會(huì)受到明顯影響，例如，霧，雷雨天，夜晚，雪天等，如在這樣的天氣中得到的圖像，很可能掩蓋拍攝照片的車號(hào)，計(jì)算機(jī)不易識(shí)別和造成誤判 [17]。2.4.4 感應(yīng)線圈環(huán)測(cè)量技術(shù)這個(gè)技術(shù)可以是基于壓力對(duì)于電磁感應(yīng)的基本原理，該系統(tǒng)主要由陸地輔助元件和應(yīng)答器組成 [18]。下面大致介紹了此技術(shù)的一些細(xì)節(jié)過(guò)程。在一些汽車必定經(jīng)過(guò)的區(qū)域道路之下，預(yù)先鋪設(shè)相關(guān)的感應(yīng)器件，有汽車運(yùn)行通過(guò)感應(yīng)線圈，必定會(huì)產(chǎn)生壓力差，感應(yīng)裝置通過(guò)壓力變化得出初始電信號(hào)，將該信號(hào)放大之后交由計(jì)算機(jī)處理中心處理，通過(guò)分析接收到的車輛信息之后并且在處理計(jì)算機(jī)產(chǎn)生脈沖信號(hào)，再將其送入輔助裝置，從而產(chǎn)生強(qiáng)磁場(chǎng)信號(hào)，其次路邊上的應(yīng)答器接收相關(guān)磁場(chǎng)信號(hào)，透過(guò)預(yù)設(shè)程序可譯碼出不同車輛的具體參數(shù)，然后把最終信息交由服務(wù)中心對(duì)照數(shù)據(jù)庫(kù)直接得出最終需要信息。上面的方法是超聲波傳感器、感應(yīng)線圈等技術(shù)結(jié)合在一起，設(shè)計(jì)感應(yīng)物理信息較多，操作起來(lái)容易受外界干擾，且對(duì)車型相應(yīng)的分類標(biāo)準(zhǔn)不好確定具有隨機(jī)性，所以可以說(shuō)該系統(tǒng)的穩(wěn)定性較差。出于安全考慮，車輛檢測(cè)系統(tǒng)一般都安排在車道的兩側(cè)，但不得不因需要使用壓力傳感器和電磁感應(yīng)線圈技術(shù)系統(tǒng)而必須重新鋪設(shè)路面，帶來(lái)很多不必要的建設(shè)，缺乏隨機(jī)適應(yīng)性。此外，由于惡劣的工作環(huán)境中，特別是使用激光、壓力傳感器或電磁感應(yīng)線圈系統(tǒng)的，使部件的使用壽命大大降低。壓力傳感器和電磁感應(yīng)線圈土壤埋在道路，很容易受到腐蝕和振動(dòng)的影響，從該方面，有許多局限性。相比之下，利用視頻圖像的技術(shù)，你不需要進(jìn)行路面改造，節(jié)省了很多麻煩，探測(cè)范圍較大，在實(shí)際施工中可以更加靈活地運(yùn)用。此外，該方法也可以使用原來(lái)的監(jiān)控系統(tǒng)，節(jié)省成本和時(shí)間，這是目前的一種方法更為實(shí)際?；趫D像處理的車型識(shí)別方法 152.5 文章小結(jié)本章節(jié)介紹了模式識(shí)別技術(shù)領(lǐng)域和 ITS 的概念，汽車模式識(shí)別里面主要包括車牌識(shí)別和車型識(shí)別，同時(shí)也介紹了幾種常見(jiàn)的車型識(shí)別方法。3 車輛特征的提取3.1 概述當(dāng)今，車輛信息采集系統(tǒng)常用的一般如下幾種，有紅外線探測(cè)系統(tǒng)、超聲波探測(cè)系統(tǒng)、圖像攝影識(shí)別系統(tǒng)種種，都不同程度的運(yùn)用在城市公路車輛的各區(qū)域檢測(cè)系統(tǒng)中，其次多數(shù)公路更多的會(huì)采用圖像攝影識(shí)別系統(tǒng)。由于這個(gè)技術(shù)基于智能識(shí)別領(lǐng)域，起初并不常用，但由于科技的發(fā)展，硬件與軟件的共同高速更新，圖像處理識(shí)別技術(shù)便占據(jù)了主流。在這里，本文采用最基本的服務(wù)軟件 MATLAB，上述已經(jīng)介紹過(guò) MATLAB 的強(qiáng)大，這里不作過(guò)多闡述，我們現(xiàn)在需要使用的是 MATLAB 紅的多尺度、多分辨率的中值濾波分析，這種技術(shù)快捷方便，實(shí)現(xiàn)起來(lái)簡(jiǎn)單，能準(zhǔn)確的實(shí)現(xiàn)提取汽車車型的特征信息。理論上來(lái)說(shuō)，車輛識(shí)別的整體過(guò)程包括圖像源的獲取、數(shù)據(jù)處理、后處理數(shù)據(jù)分析識(shí)別等步驟，其理論系統(tǒng)運(yùn)作簡(jiǎn)圖如圖 3-1[29]?；趫D像處理的車型識(shí)別方法 16圖 3-1 車型識(shí)別流程簡(jiǎn)圖3.2 主要采用的差影法介紹在本文中，我查詢了多種方法，最后選擇差影法來(lái)進(jìn)行車輛特征的提取，好處很明顯，在 MATLAB 中程序簡(jiǎn)單，操作快捷，便于理解，獲取圖像源簡(jiǎn)單等好處。對(duì)于收費(fèi)道路，這在一般是相對(duì)固定的拍攝位置，背景變化不大，用差影法來(lái)除去過(guò)量的背景，得到車輛輪廓。差影法類似是對(duì)兩幅圖像做減法，“減掉”除被測(cè)對(duì)象的多余背景干擾項(xiàng)，從而得到所需要的圖像和輪廓并輸出，數(shù)學(xué)表達(dá)式就像最基礎(chǔ)的 a-b=c 一樣，F(xiàn)a 所選擇對(duì)象的上一幀背景圖，檢測(cè)到目標(biāo)得下一幀圖像是 Fb，做減法之后得出 Fc，如下：基于圖像處理的車型識(shí)別方法 17Fc( i , j)=Fb( i , j)-Fa( i , j)；式中 : i , j 為像素點(diǎn)坐標(biāo), i =1 , …,m ; j =1 , …,n ;[8]3.3 實(shí)測(cè)特征提取過(guò)程3.3.1 圖像預(yù)處理通過(guò)編碼程序完成圖像的讀入，灰度化和中值濾波處理。圖像灰度化的目的是將彩色圖像轉(zhuǎn)變成只有單一像素信息的圖像，而中值濾波可以保持需要目標(biāo)輪廓的情況下，模糊并抹去背景這個(gè)干擾項(xiàng)。通過(guò)查閱相關(guān)文獻(xiàn)資料，考慮到這次實(shí)地測(cè)試所得的圖像，我們選取的模板大小為 5 pixel ×5 pixel , 決定采用模板較大為 5×5 時(shí)在本課題中濾波效果稍微更好。具體 MATLAB 程序如下圖 3-2：圖 3-2 程序圖基于圖像處理的車型識(shí)別方法 18上述程序得到圖片的變化過(guò)程如下圖 3-3，有得出結(jié)果看出，文章中中值濾波處理 5x5 是沒(méi)錯(cuò)的，得圖清晰，之后做差得圖也是目標(biāo)輪廓最清晰的。圖 3-3 輸入圖片預(yù)處理過(guò)程3.3.2 圖像差分處理上述過(guò)程用除去了圖像中噪聲干擾，用中值濾波處理后得兩圖像差影后的結(jié)果圖如下圖 3-3 所示。由結(jié)果可見(jiàn)差影后得圖效果好，隨含顆粒噪聲干擾項(xiàng)，這可能是由于在獲取原圖片時(shí)， 光線的微變被曝光 、上下幀兩圖出現(xiàn)除目標(biāo)對(duì)面外更多的干擾物和拍照時(shí)輕微抖動(dòng)等影響而產(chǎn)生的。具體 MATLAB 程序如下圖：圖 3-4 做差得出結(jié)果圖及程序圖基于圖像處理的車型識(shí)別方法 193.3.3 形態(tài)學(xué)處理許多形態(tài)學(xué)算法都是以膨脹和腐蝕這兩種運(yùn)算為基礎(chǔ)的，后續(xù)過(guò)程具體就運(yùn)用到了這兩種算法它們具有填充圖像內(nèi)細(xì)小的像素空洞，連接顯示明顯物體和平滑較大物體邊界的作用 [9]。具體 MATLAB 程序如下，得到預(yù)處理如圖 3-4。圖 3-5 腐蝕膨脹得圖及程序圖3.3.4 填充目標(biāo)圖像我們已經(jīng)獲得了該模型的形狀邊緣輪廓，之后將充滿該邊緣輪廓圖等填充，作為之后具體參數(shù)獲取的形態(tài)。填充操作是基于像素邊界上的一種像素區(qū)域的動(dòng)作。它也是形態(tài)的一個(gè)共同的操作，并且可以由 MATLAB 內(nèi)部函數(shù)及數(shù)學(xué)公式來(lái)實(shí)現(xiàn)圖象的橫縱向填充。該功能將二值化圖像中光亮區(qū)域包圍的黑色區(qū)域變成亮區(qū)。通過(guò)此功能可以很好的完成對(duì)周圍不完整的區(qū)域進(jìn)行邊緣填充，就可以得到圖的形狀的完整的模型。填充圖像后，檢測(cè)目標(biāo)對(duì)面的具體輪廓會(huì)變得很亮，背景被完全模糊處理，圖像邊緣還處于毛坯狀態(tài)，存在參差不全的狀態(tài)，如果特征參數(shù)提取會(huì)影響模型的有效性特征值，所以進(jìn)行圖像開(kāi)運(yùn)算、閉運(yùn)算操作去除邊緣毛刺，模型輪廓平滑整齊。先腐蝕后膨脹是開(kāi)運(yùn)算，本測(cè)試選擇是開(kāi)運(yùn)算。得到預(yù)處理圖像如圖 3-6?；趫D像處理的車型識(shí)別方法 20圖 3-6 預(yù)處理最終得到圖形上述過(guò)程具體 MATLAB 程序如下圖 3-7：基于圖像處理的車型識(shí)別方法 21圖 3-7 程序圖3.3.5 掃描得具體參數(shù)圖 3-8 掃描點(diǎn)示意圖如圖所示用相關(guān)程序掃描出 5 個(gè)點(diǎn)，得出各個(gè)點(diǎn)左邊。A（b1,a1）,基于圖像處理的車型識(shí)別方法 22B(b2,a1),C(b4,a4),D(b3,a3),E(b3,a2)?？傻贸鋈缦戮唧w參數(shù)：車頂長(zhǎng)度 d=b2-b1；整體車長(zhǎng)度 f=b4-b3；整體車高度 h=a2-a1；車頭高度 hmin=a2-a4；車尾高度 hmax=a2-a3。3.4 本章小結(jié)本章介紹了車輛特征提取系統(tǒng)的概念，通過(guò)實(shí)地測(cè)量，詳細(xì)分析和介紹圖像每一步驟的處理方式和得到結(jié)果。基于圖像處理的車型識(shí)別方法 234 圖像特征參數(shù)提取及車型分類4.1 特征參數(shù)的選擇汽車的相關(guān)特征參數(shù)眾多，可檢測(cè)的參數(shù)也很多，外觀有車牌可以判斷，形狀來(lái)說(shuō)，寬度、高度、軸距等多個(gè)參數(shù)和其他不同參數(shù)，針對(duì)每一種相關(guān)特征參數(shù)的采取和識(shí)別都是非常不同的。實(shí)際情況中，用感應(yīng)線圈來(lái)衡量的最短軸距，但不能有效地防止非法私自加長(zhǎng)的未經(jīng)授權(quán)的用戶和擴(kuò)大車廂的現(xiàn)象。本文選則了車輛的高度與長(zhǎng)度比，車輛的頂部長(zhǎng)度與車輛的長(zhǎng)度比，和對(duì)車頂作中垂線，車身被這中垂線分成兩部分之比，對(duì)車輛進(jìn)行車型的識(shí)別。本章節(jié)通過(guò)對(duì)車輛長(zhǎng)與高的比值，粗略的對(duì)車輛的種類進(jìn)行了中小型和大型車的分類，然后通過(guò)車頂長(zhǎng)度和車身比等其他比值細(xì)分出四類具體車型。綜上所述在特征參數(shù)方面，通過(guò)圖像處理和可以從圖像中獲取的長(zhǎng)、高、基于圖像處理的車型識(shí)別方法 24車頂長(zhǎng)等參數(shù)，透過(guò)比值和數(shù)學(xué)公式進(jìn)行常見(jiàn)的四種車型分類，在程序設(shè)計(jì)方面也比較快捷簡(jiǎn)便。4.2 分類標(biāo)準(zhǔn)的設(shè)定表 4-1 汽車參數(shù)大致范圍表 [8]車輛類型（實(shí)例） 長(zhǎng)(m)高(m)長(zhǎng)高比軸距比轎車（豐田-卡羅拉）4.1-4.4 1.3-1.5 0.31-0.32 0.56-0.59SUV（奧迪 Q7） 4.5-5.2 1.7-2.0 0.37-0.38 0.53-0.58面包車（長(zhǎng)安之星2）3.7-4.21.7-1.90.44-0.450.66-0.67大型客車（匯通大客車）10-13.52.5-3.20.23-0.250.68-0.75進(jìn)行人工統(tǒng)計(jì)各類汽車的長(zhǎng)、高、軸距，進(jìn)行范圍分類，上表 4-1 是查閱一些特定車型的具體數(shù)據(jù)，并進(jìn)行軸距比范圍計(jì)算。通過(guò)上表得出，通過(guò)長(zhǎng)高比分成兩類，界限是 0.32，客車與轎車在車頂長(zhǎng)度與整體車長(zhǎng)比值方面有較大區(qū)別，取界限為 0.75，面包車與 SUV 上在車頭高度與車尾高度比值上有較大區(qū)別，取界限為 0.8，原理框架如下圖 4-1.基于圖像處理的車型識(shí)別方法 25圖 4-1 原理框架簡(jiǎn)圖圖上其中 d=車頂長(zhǎng)度； f=整體車長(zhǎng)度；h=整體車高度；hmin=車頭高度；hmax=車尾高度。4.3 車型識(shí)別這里我們接著第 3 章的內(nèi)容下去，已知第 3 章已經(jīng)通過(guò) MATLAB 程序掃描處理后得差影圖像得出目標(biāo)汽車的幾何特征參數(shù)，也通過(guò)各方面調(diào)查得知幾種車型的具體參數(shù)，不同車型在不同參數(shù)上有不同范圍，把原理框架圖透過(guò) MALTAB設(shè)定相應(yīng)的數(shù)學(xué)式表達(dá)出來(lái)，便能通過(guò)如下圖 4-1 MATLAB 函數(shù)編程計(jì)算得出：基于圖像處理的車型識(shí)別方法 26圖 4-1 程序圖 4.4 測(cè)試結(jié)果和分析算法已經(jīng)確定，通過(guò)實(shí)地檢測(cè)該算法是否能實(shí)現(xiàn)具體識(shí)別車型，但由于人工取景誤差大，圖像識(shí)別系統(tǒng)比較簡(jiǎn)單，大部分實(shí)地測(cè)量由于影差法的局限性，背景因風(fēng)吹草動(dòng)等外界原因，車型具體輪廓很難提取出，導(dǎo)致算法太過(guò)理論，難以結(jié)合實(shí)際誤差進(jìn)行判斷，下表 4-1 為結(jié)果分析。表 4-1 實(shí)地測(cè)量結(jié)果數(shù)量 錯(cuò)誤的數(shù)量 正確率有具體輪廓組24 7 70%基于圖像處理的車型識(shí)別方法 27輪廓清晰組 15 2 87%實(shí)地取材 138 組，通過(guò)圖像預(yù)處理有 24 組有具體車型輪廓，其實(shí) 15 組是車型輪廓比較清晰的，通過(guò)上表可知，錯(cuò)誤的數(shù)量 7 個(gè)里面 5 個(gè)屬于不是清晰的車型輪廓，實(shí)測(cè)證明，只有有良好的圖源，良好的提取出清晰的車型輪廓，識(shí)別率是很高的。4.5 本章小結(jié)本章如要介紹的車型識(shí)別系統(tǒng)程序的設(shè)計(jì)和實(shí)現(xiàn)，分別介紹了參數(shù)選擇、范圍標(biāo)準(zhǔn)預(yù)設(shè)定、程序算法確定、得出結(jié)論的部分細(xì)節(jié)和步驟，最后通過(guò)MATLAB 軟件仿真得出結(jié)果?；趫D像處理的車型識(shí)別方法 285 總結(jié)與展望5.1 總結(jié)本文采用的算法和選擇的圖像處理方法基本完成了識(shí)別任務(wù)設(shè)計(jì)，該算法簡(jiǎn)單便捷，透過(guò)簡(jiǎn)單的 MATLAB 軟件實(shí)現(xiàn)，差影法干擾抑制能力越強(qiáng)，速度快，硬件實(shí)現(xiàn)是容易的，識(shí)別精度也不低，操作和理解起來(lái)比較容易。實(shí)地測(cè)試表明，目標(biāo)測(cè)量圖像和其背景圖采集質(zhì)量的要求很高，就按正常人的攝影水準(zhǔn)難以完全做到目標(biāo)原圖和背景圖在短時(shí)間內(nèi)完成，就會(huì)造成差影之后會(huì)出現(xiàn)更多不確定性的事物出現(xiàn)，從而影響判斷，即圖像差影法算法是要求非常高的，在固定的背景，干擾物體較少的情況下，能大大提高識(shí)別效率，如單純的公路背景圖，所以這種方法很適合車型識(shí)別。但在一些背景復(fù)雜，有灰塵、運(yùn)動(dòng)中的行人等干擾情況下其識(shí)別效果還不理想，也使得后期算法無(wú)法準(zhǔn)確進(jìn)行，影響到了最終的識(shí)別的準(zhǔn)確通過(guò)率。在課題的研究過(guò)程中，觸摸到了從未接觸過(guò)的軟件--MATLAB，知道了MATLAB 廣闊的適用彈性和它強(qiáng)大且涉及領(lǐng)域極廣的運(yùn)用功能，學(xué)會(huì)MATLAB 基本操作和對(duì)編碼的基本認(rèn)識(shí)，給我打開(kāi)一個(gè)全新的運(yùn)用窗口，了解到了小小編碼的無(wú)限魅力所在。
收藏