基于图像的货车车牌及颜色识别方法研究

发布时间：2021-06-17 19:34

　　随着大数据、机器学习和人工智能等新一代信息技术的发展,智能化、网络化、数字化的智慧高速公路系统已成为趋势。智慧高速公路系统的核心在于数据的采集、分析和使用。作为智慧高速系统中重要的组成部分,货车不停车收费系统在极大提升高速公路快速通行能力的同时,不仅能有效保护高速公路路面及桥梁,还有利于规范司机行驶操作和汽车工业的发展,在智慧高速系统的发展中起到了至关重要的作用。货车不停车收费系统的实现首先要保证货车信息感知的精确性,货车信息包括车辆号牌信息和车身颜色信息等,本文研究了基于图像的货车车辆号牌和货车颜色识别技术,具体研究成果和创新点如下:首先,对比分析了基于边缘信息、基于颜色信息、基于模板匹配、基于字符特征、基于方向梯度直方图特征及支持向量机和基于可变形部件模型6种货车车辆号牌定位方法,并开展了对比实验,实验结果表明基于可变形部件模型的货车车辆号牌定位方法优于其他五种货车车辆号牌定位方法,其定位准确率达到99.34%;基于比例分割方法对定位得到的货车车辆号牌进行字符分割,并构建了东南大学货车车辆号牌字符图像集。其次,对比分析了Resnet50、InceptionV3、Xception和N... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

高速公路场

第二章高速公路场景中货车车辆号牌定位方法研究模板匹配法是模式识别中最具代表性的基本方法之一，该方法是通过计算目标模板的特征向量和待测图像中的所对应的特征向量之间的距离，度量其相似度以检测出目标。模板匹配示意图如图2.5所示。图2.5模板匹配示意图输入图像边缘提取图像二值化SSDA模板匹配丢弃输出车牌区域否是图像灰度化消除噪声图2.6基于模板匹配法的货车车辆号牌定位由于从大幅面图像中搜寻与模板匹配度最高的目标对象具有很大的计算量，要花费的时间相对长。为了实现高速化的模板匹配，Barnea和Sliverman提出了一种序贯相似性检[39]，假设图像表示为f(x,y)，图像在像素(u,v)的非相似度m(u,v)定义为15

?蚋鍪??醭党盗竞排谱址???，若字符区域个数小于7，则添加一个滑动窗口在该字符区域同一中心线的其他候选区域寻找缺失的字符区域，若候选区评分介于双阈值之间，则认定其为字符区域，直到文字区域个数满足7；最后，将字符区域融合，得到车辆号牌区域。2.2.5基于方向梯度直方图特征及支持向量机的货车车辆号牌定位方法检测窗口归一化图像计算梯度计算每个Cell的梯度直方图对每个重叠块Block内的直方图进行归一化把所有Block内的直方图向量一起组合成一个大的HOG特征向量(a)HOG示意图(b)HOG提取流程图2.8HOG特征提取流程17


本文编号：3235790