下载文档原格式
基于Adaboost分类器的车辆检测与跟踪算法陈拥权;陈影;陈学三【摘要】车辆检测与跟踪是智能交通领域的重要研究课题之一.为了促进平安城市的建设,更好地辅助车辆驾驶,提出了一种基于类Haar特征和Adaboost分类器的实时车辆检测与跟踪算法.采集大量车辆正负样本图像,基于积分图提取图像的类Haar特征;利用Adaboost算法对类Haar特征进行选择及分类器训练;利用得到的分类器进行模式匹配,实现对车辆的检测.在相邻帧中进行车辆的特征匹配,完成车辆的跟踪.在车辆跟踪的基础上,通过场景标定,实现对车辆的测速和车流量的统计.在真实道路场景中的实验结果表明,所提方法能实时并有效地对车辆进行检测与跟踪,在一定程度上缓解了交通压力;能准确地进行车辆测速和车流量统计,可为超速和道路拥挤的判定提供相关依据,具有较好的应用前景.%Vehicle detection and tracking is one of the most important research topics in the field of intelligent transportation. A real-time algorithm of vehicle detection and tracking based on Haar-like features and the Adaboost classifier is proposed to promote the construc-tion of safe city and assist vehicle driving. A large number of positive and negative sample images of vehicle are collected. The Haar-like features of the images are extracted based on the integral map and the Adaboost algorithm is exploited to do Haar-like features selection and classifier training for matching the pattern with the obtained classifier to realize the vehicles detection. The characteristics of the vehi-cles in the adjacent frames are matched to complete vehicles tracking. By calibrating scene,the vehicle speed measurement and traffic sta-tistics have been achieved based on vehicles tracking. Experimental results in realroad scene show that it can effectively conduct vehicle detection and tracking in real-time for alleviating the traffic pressure to some extent and can implement vehicle speed measurement and traffic statistics accurately,which has provided the relevant basis for speeding and road congestion with an excellent application prospect.【期刊名称】《计算机技术与发展》【年(卷),期】2017(027)010【总页数】5页(P165-168,176)【关键词】车辆检测与跟踪;类Haar特征;Adaboost算法;测速;车流量统计【作者】陈拥权;陈影;陈学三【作者单位】合肥寰景信息技术有限公司,合肥安徽 230088;合肥寰景信息技术有限公司,合肥安徽 230088;合肥寰景信息技术有限公司,合肥安徽 230088【正文语种】中文【中图分类】TP301.6随着城市化进程的加快，智能交通的重要性越发凸显。
信 息 技 术14科技资讯 SC I EN C E & TE C HN O LO G Y I NF O R MA T IO N随着我国经济的日益发展和现代化进程的推进,机动车投放量的迅速增长已经给车辆管理带来考验。
通过高新技术来改进交通管理系统及运输系统才能从根本上改善道路的管理质量和通行状况。
车牌是机动车唯一可靠的标识,车牌识别已经在高速公路的收费管理控制、道路车辆检查监控等场合得到广泛的应用。
高效率的车牌识别系统可以有效改善路网的通行状况和服务质量并且降低人力的使用,它已经成为现代智能交通系统的重要组成部分。
车牌识别系统一般包括车牌检测和车牌字符的识别两大部分,车牌检测(LPD)是在任何自动车辆核查系统的重要一步。
它是用来车牌识别之前搜索图像的车牌区域部分。
如果没有检测到车牌区域或检测错误,车牌识别就不可能成功。
1 系统架构车牌检测包括两个阶段,Adaboost组合分类器和SVM过滤器。
最初,该研究者将灰度图像通过Adaboost组合分类进行字符检测。
之后,得到一些检测窗口,传递到第二阶段的SVM过滤器除去所有非字符区域。
最后,将得到过滤虚假图像后的最终结果。
2 算法2.1 Adaboost字符检测字符检测器多尺度和多位置横穿图像检测窗口。
检测窗口被缩放为1.2,20×28(宽×高)的最小尺寸。
该功能可通过当前尺度因子缩放基本窗口功能很容易确定,这种操作可以在相同成本的任何尺度来完成。
最终检测输出包含每个车牌周围的多个车牌字符,因为LPD对检测到的小规模变化是不敏感的。
对于检测到的所有的非车牌字符可以归类为假阳性。
在系统中,扫描图像的每一个过程中,会获得一些假阳性;为了减少这样的假阳性,该研究者随后采用SVM去除假阳性。
2.2 SIFT- SVM 去除误报SIFT是一个位置直方图为基础的特征点,是不随图像缩放,旋转,仿射畸变,3D视图,噪音的变化和光照变化而改变。
基于字符检测的车牌定位方法贾曌峰;陈继荣【摘要】提取车牌字符的Haar特征作为输入,通过级联的神经网络分类器对其进行识别,以定位车牌字符的位置,并根据所得车牌字符位置的相对关系确定车牌位置.该方法不需要进行倾斜矫正,减少了车牌定位后进行字符分割时的工作量.实验结果表明,该方法能准确快速地定位并分割车牌.【期刊名称】《计算机工程》【年(卷),期】2010(036)003【总页数】3页(P192-194)【关键词】车牌定位;字符识别;特征提取;倾斜校正【作者】贾曌峰;陈继荣【作者单位】中国科学技术大学信息科学技术学院电子信息工程与信息科学系,合肥,230027;中国科学技术大学信息科学技术学院电子信息工程与信息科学系,合肥,230027【正文语种】中文【中图分类】TP391.411 概述车牌识别系统是智能交通的核心。
典型的车牌识别系统工作过程分为3步，即车牌定位、字符分割、字符识别。
其中，车牌定位是影响系统性能的重要因素。
车牌定位的主要任务是从一幅随机图像中找出一块具有某种特征的区域，该区域包含车辆牌照。
目前，国内车牌识别系统的车牌定位方法主要包括：基于牌照区域颜色特征的定位方法，基于牌照区域投影特征的定位方法，基于牌照区域的边缘特征定位方法，基于牌照区域频谱特征的定位方法，基于纹理的车牌定位方法。
上述方法的共同点是将车牌作为一个整体进行定位。
本文提出一种基于 Haar特征和级联神经网络算法的车牌定位方法。
由于该方法直接对车牌字符进行定位，即使车牌整体倾斜较大时，单个字符倾斜并不明显，因此解决了当图像中车牌倾斜较大时，无法精确定位的问题[1]。
2 车牌字符定位原理2.1 Haar 特征和积分图像积分图像的概念很简单，如图1所示。
在坐标(I, J)处，积分图像的值S( I, J)的计算方法如图1中的公式所示，其中，v( i, j)为原图像在坐标(i, j)处的灰度值。
图1 积分图像Haar特征是文献[2]提出的一种简单矩形特征，反应了图像局部的灰度变化。
一种快速有效的动态车辆牌照定位算法
陈智丽;赵薇
【期刊名称】《机械设计与制造》
【年(卷),期】2008(000)011
【摘要】由于动态车辆图像往往在复杂的外界环境中得到,所以很多牌照分割方法都会失去作用.提出了一种基于字符竖向纹理特征的牌照定位算法,首先对动态车辆图像进行边缘检测和腐蚀等预处理,之后水平扫描边缘图像,得到整幅图像的跳变点分布,根据牌照字符的竖向纹理特征,确定牌照的可能区域,再结合牌照的几何结构特征,修正车牌的边界.实验结果表明算法有较强的适应能力,具有较高的实用性.【总页数】3页(P11-13)
【作者】陈智丽;赵薇
【作者单位】沈阳建筑大学,信息与控制工程学院,沈阳110168;沈阳职业技术学院,计算机系,沈阳110045
【正文语种】中文
【中图分类】TH117
【相关文献】
1.基于图像处理的车辆牌照定位的算法研究 [J], 于晓峰;王三武
2.一种复杂背景下的汽车牌照快速定位算法 [J], 陈智慧;董增寿
3.车辆牌照定位算法研究 [J], 陈智斌;黎绍发;余棉水
4.车辆牌照识别系统中定位算法的设计和实现 [J], 吴冰冰
5.车辆牌照识别系统中定位算法的设计和实现 [J], 吴冰冰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于深度学习的车牌识别技术随着人工智能技术的不断发展，无人驾驶、人脸识别、图像识别等技术已经不再是科幻电影中的概念，而是应用在我们日常生活中的技术。
其中，基于深度学习的车牌识别技术，是一种正在迅速推广和应用的技术。
一、车牌识别技术的背景车牌识别技术，顾名思义就是通过计算机对车辆的车牌进行认证和识别。
在过去，这项技术主要应用于公安部门的交通管理和犯罪侦查中。
随着社会的发展和技术的进步，在现代社会应用的范围越来越广泛，逐渐扩展至停车场管理、高速公路计费、出入口管理等领域。
而基于深度学习的车牌识别技术，是一种具有广泛前景的新型识别技术。
二、基于深度学习的车牌识别技术的原理和流程基于深度学习的车牌识别技术，是通过用大量的数据、算法和多层神经网络，让计算机获得车牌识别的能力。
其原理是通过对车牌图像中的字符部分进行高精度识别，对不同的字符进行分类和识别，尽可能准确的还原车牌信息。
该技术的流程包括以下几个步骤：1. 寻找车牌：利用计算机视觉技术寻找出图像中的车牌位置，并对其进行切割处理，定位出车牌中的每一个字符。
2. 预处理：预处理是车牌识别技术的核心，其目的是把车牌图像转化为计算机能够识别的图像。
包括色彩增强、图像去噪和字符分割等。
3. 字符识别：通过深度学习的模型，对图像中的每一个字符进行分类和识别。
该模型在训练时，需要大量的数据和计算资源，能够不断迭代，训练出更加精准的模型。
4. 结果输出：将识别出的车牌信息输出，并对其进行准确率和误差率的审核。
三、技术的应用前景和挑战基于深度学习的车牌识别技术不仅可以应用于交通管理、停车场管理、高速公路计费、出入口管理等领域，还可以广泛应用于公安部门的刑侦和防范犯罪工作。
同时，该技术也存在着一些挑战。
1.检测率：由于光照、天气和使用情况等因素的影响，车牌图像的质量和清晰度差异较大，致使识别率受到一定的限制。
2.隐私问题：车牌识别技术可获取个人行驶信息，一定程度上会涉及到个人隐私权的问题。
高斯差分的AdaBoost车牌定位方法刘彬;严京旗;施鹏飞【期刊名称】《智能系统学报》【年(卷),期】2010(5)6【摘要】针对实际拍摄场景中的复杂光照条件以及不同车牌颜色对车牌定位造成的影响,提出了一种基于高斯差分图像的AdaBoost车牌检测算法.该算法首先对原始灰度图像进行高斯差分,得到其对应的高斯差分图像,然后利用基于DoG图像的DoG+AdaBoost分类器与基于灰度图像的Gray+AdaBoost分类器构成二级车牌检测器进行车牌检测,最后根据车牌中的车牌号码信息对车牌检测结果进行验证,得到最终的车牌定位结果.该算法利用高斯差分方法,很好地抑制了复杂光照和不同车牌颜色对车牌检测造成的影响,具有较快的定位速度和很高的检出率.实验表明,该算法能获得很好的车牌定位效果,具有较高的实用价值.【总页数】5页(P471-475)【作者】刘彬;严京旗;施鹏飞【作者单位】上海交通大学,图像处理与模式识别研究所,上海,200240;上海交通大学,图像处理与模式识别研究所,上海,200240;上海交通大学,图像处理与模式识别研究所,上海,200240【正文语种】中文【中图分类】TP391.4【相关文献】1.基于DM642的纹理检测与Adaboost分类器相结合的车牌定位 [J], 陈存弟;刘金清;刘引;蔡淑宽;何世强;周晓童;邓淑敏;吴庆祥2.一种有效的车牌定位方法——数学形态学和字符边缘特征相结合的车牌定位方法[J], 严萍;曾金明3.一种基于Adaboost的车牌定位算法 [J], 盛曦;吴炜;杨晓敏;罗代升;华骅;罗鑫4.基于层次型Adaboost的动态车牌定位方法 [J], 吴开兴;杜晶;韩范玉5.基于AdaBoost的场景车牌号精确定位研究 [J], 王健; 李中浩因版权原因，仅展示原文概要，查看原文内容请购买。
