基于HOG和SVM的车标识别系统实现

论文总字数：18276字

目 录

摘 要

ABSTRACT

1 第一章 1

1.1 研究背景及意义 1

1.2 基于图形处理的车标识别技术的发展概述 1

1.2.1国内外研究现状 1

1.2.2技术难题 1

1.3 车标识别技术的主要内容 2

1.4 本文结构安排整体 3

2 第二章图像预处理 3

2.1 引言 3

2.2 采集图像灰度化处理 3

2.3 图像去噪 4

2.4 边缘检测 5

2.5 图像二值化 6

3 第三章车标定位 6

3.1 绪论 6

3.2 使用分类器的车标直接定位 6

3.3 车标基于HSV的彩色分割方法定位 7

3.4 车标定位基于模板匹配和边缘检测的车标定位 7

3.5 车标的粗定位 7

3.6 车标的精定位 8

4 第四章基于Matlab的车标识别 8

4.1 引言 8

4.2 基于HOG和SVM的车标识别方法 9

4.2.1 方向梯度直方图 9

4.2.2 基于Matlab的SVM分类 11

4.2.3 建库 12

4.2.4 SVM核函数与参数选择 12

4.3 实验结果及分析 12

4.4 本章小结 15

结论 16

参考文献 17

致 谢 18

第一章 绪论

1.1研究背景及意义

中国作为人口众多的最大的发展中国家，在这一个十年中，经济发展迅速，人民生活水平普遍提高，私家车几乎成了每个家庭必备的出行工具，到2020年，我国要实现全面小康社会，按照小康生活要求，每个家庭一辆汽车，也就是未来私家车至少要四亿辆，车辆数量迅猛增加。不可否认，私家车给我们带来很大方便的同时，但由此引发的交通问题也越来越多，以往传统的交通管理方法已经不能满足迅速增加的车辆引发问题的矛盾。这迫切的要求我们要加快对智能交通系统的研究。智能交通管理系统对缓解交通压力，交通事故处理，维护交通秩序有着至关重要的作用。而车标识别又是智能交通管理系统必不可少的一环，车标识别技术的开发和利用已经刻不容缓。在很多大型停车场里，摄像头不可能涉及到停车场的每一个角落，我们可以根据车标识别来区分超级豪车、豪车、中档车等，重点监控豪车，对其进行24小时无死角监控，以免有人刮花车辆逃离现场，造成大的损失。另外，随着道路的电子眼的增多，越来越多的车主故意使用其他物体遮挡车牌，使用假牌、模糊污损车牌来逃过电子违章拍照的惩罚，单纯的依靠车牌检测系统已经无法解决问题，因此为了准确定位到违章车辆需要车牌车标识别技术的配合使用。对于肇事车主逃逸，警察的布控和监控也有着莫大的帮助。

1.2基于图形处理的车标识别技术的发展概述

1.2.1国内外研究现状

车标识别技术不同于车牌识别技术，发展较为缓慢，但由于最近机器学习、人工智能方向的火爆，计算机视觉发展较为快速，车标识别技术越来越受到人们的重视，车标识别技术一般分为四个部分：图像采集模块、预处理模块、车标定位模块、车标识别模块。根据方案要求，利用摄像机、相机等设备将等待处理的图像传入到计算机中，通过图像的预备处理将RGB图像转变为灰度图像，减少无用的信息量，然后通过阈值对图像进行二值化、去噪。最为关键的部分是车标定位以及车标识别。准确在一张图像中找到车标部分就是车标的定位。方法有多种，比较熟知的关于模板匹配和边缘检测的车标定位；利用车灯、车标以及纹理的对称性实现车标的定位；先利用sobel算子精准确定车牌位置，然后利用车标和车牌的相对位置来确定车标位置；Panxa等人利用自适应算法（Adaboost）和小波变换矩不变性并利用SVM来识别车标。

在车标识别方面我们使用方向梯度直方图HOG(Histogram of Oriented Gradient)以及SVM分类器来完成识别任务建立训练库和测试库来匹配车型。现已有的技术有王宇婷BP神经网络与HOG特征提取相结合的车辆识别技术; 郑郁正关于模板匹配的车标识别算法；高倩的车标识别技术；Badurs等人用SIFT（Scale-invariant feature transform）提取车标的特征生成一个不变特征值，来衡量车标的唯一性。利用Hu不变矩通过欧氏距离与建成的特征库进行匹配。

1.2.2技术难题

车标定位是车标识别中极为重要的一环，不同于简单的车牌定位，难度系数远超车牌定位技术；大致原因主要有如下几个：

1)车的标志一般处于车的散热网附近，由于散热网纹理各式各样，有网格纹理、水平纹理、竖直纹理、斜纹理；如果不能采用合适的方法，将会很大程度影响车标志的定位，最终影响车标识别技术的准确度。

2)品牌不同的车辆标志大小和形状千姿百态，由汽车厂家自己决定。品牌不同，车的标志大小尺寸一不一样，甚至相同品牌的不同型号的车辆的标志大小也不相同。车标的形状大致有方形、菱形、圆形、椭圆形等。

3)有很多车标与车的背景颜色相近，加上很多车标的老化破损，给车标的精准定位带来了很大的困难。

4)不同品牌的车标材质不同，在阳光充足的白天由于反光很难捕获到车的标志，在夜间没有灯光的情况下也很难捕获到车标。

1.3车标识别技术的主要内容

本篇论文的研究对象是车标，在仔细研读国内外各种专家关于车标识别技术的书籍及著作后，通过对现存的一些算法的应用及改进上；力图在车标识别技术的健壮性和准确性上取得突破性的进展。本篇论文的大致流程如图1-1：



主要研究成果如下：

1. 在车标图像预处理过程中；采用的是均值滤波的方法，其基本思想是利用图像中均值来代替原来图像中的各个精准位置的像素值，采用一个所得区域内的平均法来实现；即对待处理的目标像素(x,y),选择合适的的N*M。这个模板以该像素为中心点并包含其附近邻域的像素，求得模板一小块区域像素的均值。再把均值赋给当前像素值，经过均值滤波对原图像进行处理后，图像有用的特征更加明显，屏蔽掉了一些干扰信息。
2. 在车标定位模块，本文采用的是模块匹配的算法，首先根据模块匹配算法进行相应的粗定位，将车标的所在的区域提取出来，对区域进行用sobel算子计算灰度值，最后将车标所在区域进行水平投影,可以得到车标的准确定位。
3. 在车标识别方面，采用的是方向梯度直方图和SVM，通过HOG提取图像的特征值，这个维度上百维甚至上千维，我们无法直接辨别，SVM就是一个很好的选择，是一个二值分类器，能够将矢量进行二值划分。

第二章 图像预处理

2.1引言

图像预处理是将计算机输入设备采集到的图像进过系统化整理后交给后续模块进行识别，图像预处理的目的就是为了降低图像中无关信息的干扰，更有效的提取有效真实的信息，以提高图像识别的准确率。主要包括灰度化图像处理，图像去噪，增强图像，sobel检测二值化。

2.2采集图像灰度化处理

现在我们所看到的图片格式一般为HSV、RGB和HLS三种，RGB彩色图像的每个像素点色彩都是有R、G、B三个分量共同决定，R、G、B三个分量取值都是0-256，每个像素点的颜色有256*256*256多种变化，图像计算起来比较复杂，而灰度处理可以默认成R=G=B,一共有256种变化，明显提高了运算速度。和原图像相比，虽然少了一些色彩，但从图像的轮廓以及其他特征来看，和彩色图像呈现的特征一模一样。灰度化彩色图像，也就是取三个分量RGB三个的均值，用均值代替某一点像素的灰度值。

1. 分量法

分量法就是用R、G、B三个分量的某一个分量作为该点的灰度值，公式为：

Gray=B；Gray=G；Gray=B

1. 最大值法

最大值法就是依次比较R、G、B三个分量的值，取他们当中的最大值，以此来作为像素点的灰度值，公式为：

剩余内容已隐藏，请支付后下载全文，论文总字数：18276字