车载视频中基于深度学习的汽车类型识别（论文）.docx

学年论文 题 目 车载视频基于深度学习的汽车类型分类 学生姓名 刘昌云 学 号 20121336005 学 院 信息与控制学院 专 业 自动化 指导教师 吴毅 二Ｏ一六 年 1月 3 日 车载视频中基于深度学习的汽车类型识别 姓名：刘昌云 学号：20121336005 南京信息工程大学信息与控制学院 江苏 南京 210044 摘要 随着数字图像处理技术的发展，视频处理技术被逐步运用到交通检测中。通过单个或多个摄像头采集道路车辆的通行状况，加以基于图像的分析处理，来检测与识别车辆，获取车型、车速、车流量等信息，可配合信息管理系统来实现交通管理。该视频检测系统易于安装、工作稳定、具有丰富的可视信息，代表着交通监控系统的发展方向，是目前国内外研究的热点。 在视频图像获取过程中，摄像机轻微抖动、外接光照缓慢变化及树木扰动等外界环境变化影响运动目标的检测精度，针对这一问题，本文提出了一种存在运动目标情况下的背景重建算法，能较好地抑制外界环境变化带来的影响，可将动态背景获取及更新过程合二为一，具有较好的实时性。 在视频图像处理过程中，图像中的阴影、目标内部空洞等对定位精度影响较大，本文通过运动区域检测、噪声去除、连通单元标记、内部填充、目标提取、阴影消除等方法，对车辆目标区域进行了精确定位。 在车型识别过程中，车辆目标的几何形变对识别准确率影响较大，针对这一问题，本文提出了两种解决方法。一种是基于车辆轮廓特征的车型分类识别方法，该方法先用边界矩、体态比、矩形度、伸长度、圆形度等车辆轮廓形态特征分量构成一个特征向量组，再以欧氏距离为判据实现车型的识别分类，取得了较为理想的效果。另一种是基于车辆轮廓定位匹配的车型分类识别方法，该方法将对噪声和形变适应性较好的Hausdorff距离应用于车型识别分类中，因Hausdorff距离计算耗时长，本文提出了一种改进方法，先利用外接矩形进行预匹配，再利用的Hausdorff距离进行轮廓的精确匹配，实现车辆目标的精确识别，具有较好的实时性。 关键词:图像序列;检测;识别; Car video-based car type identification depth study Changyun Liu College of information science and technology,NUIST，Nanjing 210044，China Abstract Along with the development of digital image processing, video processing has been used in traffic detection step by step. Using one or more vidicons to collect the information of traffic status on driveway, we can obtain the information of vehicle type,speed, vehicle flux and so on by image processing. It can work with information management system to realize traffic control. Because of the advantage of easily fixing,good reliability and abundant visible information, video detection and processing system becomes the direction of the development of traffic control system and the research hot topic at home and abroad presently. In the process of video obtaining, outside environment variation such as little dithering of vidicon, slow variational daylight and the sway of tree will affect the presicion of moving targe