基于車(chē)標(biāo)識(shí)別的車(chē)型細(xì)分類(lèi)技術(shù)研究.pdf

1、車(chē)型自動(dòng)分類(lèi)系統(tǒng)是ITS（Intellegent Transportation System）的重要組成部分，它在智能交通領(lǐng)域中有著廣泛的應(yīng)用，相關(guān)技術(shù)的研究正受到普遍關(guān)注。當(dāng)前國(guó)內(nèi)外學(xué)者側(cè)重于研究車(chē)輛外形、大小、顏色的識(shí)別，實(shí)現(xiàn)對(duì)車(chē)輛的粗分類(lèi)，本文的目的是通過(guò)對(duì)汽車(chē)標(biāo)志（簡(jiǎn)稱(chēng)車(chē)標(biāo)）的定位和識(shí)別進(jìn)行探索性研究，實(shí)現(xiàn)按車(chē)標(biāo)類(lèi)型（汽車(chē)品牌）對(duì)車(chē)輛的細(xì)分類(lèi)。對(duì)于車(chē)標(biāo)定位，本文不再采用傳統(tǒng)圖像處理分割方法，而是采用模式識(shí)別思想，使用Adaboo

2、st學(xué)習(xí)算法訓(xùn)練些級(jí)聯(lián)分類(lèi)器，在粗定位車(chē)標(biāo)區(qū)域中檢測(cè)并識(shí)別出車(chē)標(biāo)。然后，采用Adaboost.MH學(xué)習(xí)算法擴(kuò)展多類(lèi)車(chē)標(biāo)問(wèn)題為多個(gè)兩類(lèi)問(wèn)題，訓(xùn)練分類(lèi)器實(shí)現(xiàn)對(duì)車(chē)標(biāo)的驗(yàn)證識(shí)別。并通過(guò)實(shí)驗(yàn)，驗(yàn)證了本文所提出的理論方法的有效性。
　　 本文主要分4部分進(jìn)行介紹、分析與研究：
　　 （1）小波矩
　　 為使小波矩更好的適用于本文的應(yīng)用，這一部分對(duì)小波矩的理論進(jìn)行詳細(xì)介紹和分析，并深入分析與研究圖像小波矩的構(gòu)造方法。
　

3、　 （2）Adaboost學(xué)習(xí)算法的研究
　　 Adaboost算法是一種分類(lèi)器算法，其是利用大量的分類(lèi)能力一般的簡(jiǎn)單分類(lèi)器（也稱(chēng)弱分類(lèi)器）通過(guò)一定方法疊加起來(lái)，構(gòu)成一個(gè)分類(lèi)能力很強(qiáng)的強(qiáng)分類(lèi)器。理論證明，只要每個(gè)簡(jiǎn)單分類(lèi)器分類(lèi)能力比隨機(jī)猜測(cè)要好，當(dāng)簡(jiǎn)單分類(lèi)器個(gè)數(shù)趨向于無(wú)窮時(shí)，強(qiáng)分類(lèi)器的錯(cuò)誤率將趨于零。這一部分深入分析與研究Adaboost學(xué)習(xí)算法的背景和理論。
　　 （3）車(chē)標(biāo)定位方法的研究
　　 此部分是本文

4、最重要部分，傳統(tǒng)的方法都是采用圖像處理技術(shù)進(jìn)行目標(biāo)分割，本文采用模式分類(lèi)思想實(shí)現(xiàn)車(chē)標(biāo)定位。本文結(jié)合Adaboost算法的缺點(diǎn)和車(chē)標(biāo)小波矩特征的分布特性，對(duì)Adaboost算法進(jìn)行改進(jìn)。然后利用改進(jìn)Adaboost算法針對(duì)每一類(lèi)車(chē)標(biāo)訓(xùn)練一級(jí)聯(lián)分類(lèi)器進(jìn)行多尺度車(chē)標(biāo)定位，并結(jié)合根據(jù)車(chē)牌先驗(yàn)知識(shí)的車(chē)標(biāo)粗定位，實(shí)現(xiàn)對(duì)車(chē)標(biāo)的實(shí)時(shí)、精確定位。
　　 （4）車(chē)標(biāo)識(shí)別方法的研究
　　 在定位的同時(shí)已實(shí)現(xiàn)識(shí)別，此階段是實(shí)現(xiàn)對(duì)車(chē)標(biāo)的驗(yàn)證識(shí)別。