共查询到18条相似文献,搜索用时 140 毫秒
1.
一种简单快速的车标定位方法 总被引:1,自引:0,他引:1
由于视点的不同,单纯的车辆外形对车辆的类型识别不具有决定性的意义,而车标则对车辆类型具有决定意义。提出了一种快速的从粗到精的车标定位方法:首先根据车头前方车牌的纹理特征大致确定车牌位置,并结合车头本身的对称性等先验知识粗略地确定车标的位置;然后在粗定位的小范围内利用边缘特征和形态运算进行车标的定位。考虑到各种噪声以及形态学的影响,在车标识别中利用模板匹配进行精定位和粗识别。利用已有的识别方法对该车标定位算法进行了验证,结果表明,该方法能快速、准确地定位车标位置,且识别率能达到实时应用的要求。 相似文献
2.
基于深度学习的车标识别方法研究 总被引:1,自引:0,他引:1
对交通监控录像中车牌污损、遮挡的肇事车辆信息进行确认是现阶段智能交通系统中的一个重要问题,车标作为一个关键特征,可以起到辅助判别的作用.提出了一种基于深度学习的车标识别方法,相对于以人工提取特征为主的传统车标识别方法,该方法具有可自主学习特征、可直接输入图像等优点.实验表明,这种方法正确率较高,在光照变化和噪声污染下的准确性和稳定性较好,能够有效降低车标识别的错误率. 相似文献
3.
4.
车标定位在车标识别系统中具有关键作用,为解决倾斜的车辆图像及多种车标背景纹理的车标定位问题,提出了一种新的车标定位方法。先进行车辆图像的倾斜校正,再通过三绝对值最大梯度方法定位出车灯带区域,利用车标与车牌、车灯的位置先验知识进行车标粗定位,并根据车标背景纹理特征利用模板匹配和边缘检测方法进行车标精定位。该方法充分利用了车标的先验知识和背景纹理特征,并将模板匹配与边缘检测技术相结合,提高了车标定位的准确率。实验结果表明,该方法既适用于倾斜的车辆图像又适用于多种车标背景纹理,具有很好的车标定位效果。 相似文献
5.
为解决交通道路行驶车辆车标识别中存在的目标小、噪声大、种类多的问题,提出了一种基于深度学习的目标检测算法与基于形态学模板匹配算法相结合的方法,并设计了一种高准确度且能应对新类型车标的识别系统。首先,采用通过K-Means++重新聚类锚框值,并引入残差网络的YOLOv4进行车标的一步定位;其次,通过对标准车标图像进行预处理及分割,构建二值车标模板库;接着,利用带色彩恢复的多尺度视网膜图像增强算法(MSRCR)、最大类间方差法(OTSU)等对定位到的车标进行预处理;最后,将处理好的车标与模板库中的标准车标进行汉明距离计算,求出最佳匹配。车标检测实验中,改进的YOLOv4检测精度均优于原始YOLOv4、基于车牌位置的车标两步定位法和基于散热器栅格背景的车标定位法,达到99.04%;速度略低于原始YOLOv4,高于另外两者,达到每秒50.62帧。车标识别实验中基于形态学模板匹配的识别精度均高于传统的方向梯度直方图(HOG)、局部二值模式(LBP)和卷积神经网络,达到92.68%。实验结果表明基于深度学习的车标检测算法有较高的精度和较快的速度,形态学模板匹配方法在光照变化和噪声污染的情况下仍能保持较高的识别精度。 相似文献
6.
7.
由于车标的背景散热器栅格形状大小不一、颜色不定、背景多样,因此导致了车标定位的困难,故精确分类散热器栅格是准确定位车标的基础。提出了一种基于散热器栅格背景精确分类的车标定位方法,首先依照车牌与车标空间位置关系确定车标粗定位,然后依据栅格纹理特征,利用霍夫变换和灰度值的梯度变化确定散热器栅格背景的类别,进而通过不同算子分别对不同种类栅格背景进行背景消融;为了保证多种光照条件下的准确定位,引入离散度,并将其与大津法进行融合,形成一种适用于车标定位的自适应二值化方法,同时结合形态学对栅格背景进一步处理,得到准确的车标定位。这种方法适用于在不同光照强度和不同类型的车标背景条件下,对车标进行定位。对10类车标、30类散热器栅格共1 200张图像进行车标定位,实验结果显示,图像总体的车标定位准确率可以达到97.67%。 相似文献
8.
传统车标检测与识别算法难以检测大型车辆车标,且速度较慢。提出了一种基于Edge Boxes的大型车辆车标检测与识别方法。Edge Boxes算法是一种成熟的图像分割算法,能够快速且有效地检测物体位置,满足大型车辆车标检测与识别问题的准确性及实时性的需求。该方法首先根据车标在车辆中的空间位置关系初选车标候选区,然后利用Edge Boxes算法进行目标提取,进而将提取得到的目标送入利用线性约束编码构建的车标检测分类器和车标识别分类器进行训练与识别,得到车标检测与识别结果。对不同卡口的不同天气和光照条件下采集的4 480张图像(含50类大型车辆)进行实验,实验结果表明,在检测与识别性能以及时间消耗方面均优于传统方法,具有良好的实用前景。 相似文献
9.
10.
针对车标图像的分类难问题,提出基于多种LBP特征集成学习的车标识别算法。利用车牌与车标的相对位置关系粗定位车标区域;根据车标背景纹理特征使用不同的算子进行边缘检测,进而实现背景消融,采用投影方法精确确定车标位置;将车标图像分块,应用CSLBP算子提取每个像素点邻域特征,将车标所有像素点邻域特征合成精细的纹理特征,运用LBP直方图算法提取车标区域的空间结构特征,再采用SVM和BP分别训练这两种特征,得到投票决策矩阵,利用加权求和的规则融合决策矩阵,构成最优集成分类器,输出车标类别。实验结果表明,该算法的识别率明显优于单一的特征和分类器。 相似文献
11.
提出一种用于判决车辆类型的车灯定位识别方法,可解决套牌车辆鉴别问题。在车牌和车标识别基础上,以车牌中心点为准,选取相对完整的单个车灯,从靠近车标一方开始,截取车灯垂直幅值倍数的水平宽度作为有效区域,然后对其进行大小和方向归一化处理;接着使用图像的不变矩距离分类器在车标确定的车系中进行车灯识别,根据车灯识别结果确定车辆具体车型;最后结合车型识别结果和牌照信息在车辆信息库中比对,判断是否为套牌车辆。经交通卡口获取的实测图像进行测试结果表明,车型识别准确度为95.5%。 相似文献
12.
13.
14.
基于图像质量和PCA子空间的车标识别方法 总被引:1,自引:1,他引:0
针对室外动态获取的车标图像质量差异大而导致的识别率不高的情况,提出了一种结合图像质量的主成分分析子空间的车标识别方法。该方法首先基于模糊理论计算车标图像的模糊度,进而根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后根据待识别车标图像的模糊度选择相应的子空间族进行识别。实验数据表明基于模糊度PCA子空间进行的重构误差比基于传统PCA子空间进行的重构误差小,因此其模式描述能力强,从而获得较高的识别率。与其他算法的对比实验进一步表明该算法的有效性。 相似文献
15.
车辆目标图像特征提取是智能交通系统中车辆识别与分类的关键问题。在车型提取算法中,矩特征是较为常用的车型特征描述子。针对Hu矩的七个特征分量在数量级上差别较大且受比例因子影响的问题,基于不变矩和小波能量的原理和特点的研究,重点提出了基于小波矩的特征提取算法,并应用于车辆的特征提取。最后的实验对实际车辆图像进行采集,对预处理图像进行小波分解得到三级子图像,对子图像求取修正Hu不变矩,将不变矩作为特征量,利用最小邻距离分类得出识别结果。最后的实验结果显示,通过这种方法提取的特征量具有平移、旋转、比例不变性,能反映目标图像的重要的、本原的属性,与传统Hu矩相比,识别率提高了13.5%,达到了预期的目标。 相似文献
16.
17.
运用柔性形态学进行图像边缘检测,然后采用改进的7个形状不变矩对储粮微生物中的四种主要细菌进行了特征提取,并使用多分类器来进行分类,提高实际应用的识别率.实验取得理想结果,说明改进的形状不变矩能够满足储粮微生物显微图像的识别要求. 相似文献