基于数字图像处理的公交车识别研究-交通信息工程及控制专业论文.docx

Bus Recognition via Image Processing A Dissertation Submitted for the Degree of Master Candidate: Gao Shang Supervisor: Prof. Xu Hongke Chang’an University, Xi’an, China 摘要 摘 要 I I 随着我国经济的快速发展，城市现代化加快和道路行驶车辆的不断增加使得道路的 交通环境不断恶化。频发的交通拥挤、道路阻塞及交通事故导致市民工作与出行变得越 来越困难。为了改善城市交通环境，提高城市道路使用效率，国家大力发展城市公共交 通建设，并努力推行公交优先和公交专用道，但实际效果并不理想。最主要的原因是缺 乏对各类车辆违规占用公交专用道的管理方法和手段，单纯依靠交警部门的巡查，效果 有限且难以满足实时管理的要求。因此，实现公交车辆与非公交车辆的自动识别成为加 强公交专用道管理的一种最为有效的方法。 本文利用背景差分方法获取车辆图像。对于固定式摄像机，图像背景变化相对较小， 使用背景差分法效果较好且复杂度较低。使用 HOG 算法分析车辆的边缘特征，可以获 得较为准确的车辆边缘方向梯度特征向量，同时将光线等环境因素变化对车辆边缘分析 产生的影响降到最小。 由于我国目前的公交车主要使用的是黄色的车牌，因此采用 HSI 颜色空间对道路上 行驶车辆的车牌颜色进行检测，通过设置 H 分量的阈值范围，去除非目标颜色区域， 可以有效的检测出黄色和蓝色的车牌区域。利用车辆图像的频谱，可以获得图像中的周 期分布特征和车辆大小、面积等频谱特征，利用这些特征能够准确的区别公交车与货车。 在基于支持向量机的公交车辆识别系统中，提取车辆的边缘方向梯度、车牌颜色、 车辆纹理频谱这三个特征。根据检测公交车与非公交车，即“是”与“不是”的二分类 问题，设计了基于线性分类支持向量机的公交识别系统，实现小样本条件下的公交车识 别，克服了传统神经网络容易出现的局部极大值问题，识别率达到 96%以上。 关键词：图像处理；智能交通系统；公交识别；HOG 算法；车辆纹理频谱；支持向 量机 Abstr Abstract system provide the system provide the ability of recognition under the small samples conditions, meanwhile, overcomes the traditional problem of the neural networks’ local maxima, with over 96% recognition accuracy. Keyword: Image Processing; Intelligent Transportation Systems; Bus Recognition; Histograms of Oriented Gradients(HOG); Vehicle’s Texture Frequency Spectrum; Support Vector Machine (SVM) III III IV IV Recent years, Chinese economic developed rapidly, at the same time, citys bombing development and increasing of vehicles makes the continuous deterioration of the road traffic environment. Traffic congestion, road congestion, traffic accidents causes peoples work and travel has become much more difficult. In order to improve the urban traffic environment and urban road utilize efficiency, government devote a lot to develop urban public transport construction, and put efforts to implement bus priority and bus lanes. However, the results are not promising. The main reason could conclude as poor management methods to avoid illegal occupation of bus