学位论文 > 优秀研究生学位论文题录展示

用于车牌定位的分类器设计与相关算法研究

作　者: 赵元兴
导　师: 于明
学　校: 河北工业大学
专　业: 控制科学与工程
关键词: 车牌定位 AdaBoost Haar-like LBP 组合分类器 HOG
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 44次
引　用: 0次
阅　读: 论文下载

内容摘要

车牌识别技术是智能交通系统的重要组成部分。但是，由于现有车牌识别技术尤其是车牌定位技术存在对环境变化敏感，受图像质量、光线等影响大等问题，对相关产品的施工条件提出了苛刻的要求，大大限制了产品的应用场合。本文结合图像处理与模式识别领域近期理论成果，提出了一种适合在低质量复杂背景下进行快速车牌定位的算法。增强了车牌定位的鲁棒性，降低了相关产品的施工难度，对智能交通系统的普及具有重要意义，同时对其他目标的定位应用也有一定的借鉴价值。本算法提出了多分类器定位结合置信度评估的车牌定位框架，共分两部分进行车牌定位。首先，根据组合分类器思想，通过分析实际场景中车牌的特点，合理选择样本，并结合针对中国车牌特点所专门设计的Haar-like特征，训练多个AdaBoost分类器。由这些分类器组成组合分类器，并采用Intel线程构建模块对组合分类器进行速度优化，使算法更好的满足实时性要求。利用该组合分类器在输入图像中对车牌区域进行定位。为了保证分类器的命中率，在这里的组合分类器一次输出多个候选车牌区域，形成一个候选区域集合。本算法的第二部分利用HOG特征，将组合分类器输出区域作为样本，训练Real AdaBoost分类器，以此作为二级分类器。利用该分类器对之前组合分类器产生的候选区域集合进行评估，给出每一个候选区域的置信度，并根据置信度排序，将置信度最高的区域优先认为是车牌输入之后的处理环节。本算法在来自不同场景下的27018张图片中进行定位测试，定位精度为96.2%，对环境等的变化要求较低，适合全天候的车牌定位，并基本满足实时性要求，可以在小区卡口，停车场，交通路口等场合进行应用推广。

全文目录

摘要  4-5
ABSTRACT  5-8
第一章绪论  8-13
  §1-1 课题的研究背景及意义  8-9
  §1-2 课题的研究现状  9-10
    1-2-1 基于灰度图像的车牌定位  9-10
    1-2-2 基于彩色图像的车牌定位方法  10
    1-2-3 基于分类器的方法  10
    1-2-4 综述小结  10
  §1-3 中国车牌的特点  10-11
  §1-4 影响车牌定位精度的主要问题  11-12
  §1-5 论文主要研究内容  12
  §1-6 论文的内容安排  12-13
第二章基于 Haar-like和 LBP 特征的组合分类器设计  13-38
  §2-1 基于多尺度滑动窗口的目标定位算法  13
  §2-2 图像预处理  13-14
    2-2-1 直方图均衡化  13-14
    2-2-2 平滑滤波  14
    2-2-3 速度优化  14
  §2-3 基于级联AdaBoost 的目标定位方法  14-19
    2-3-1 Boost 算法  14-15
    2-3-2 AdaBoost 算法  15
    2-3-3 基于海量特征池的目标定位方法  15-16
    2-3-4 基于AdaBoost 算法的目标定位方法  16-17
    2-3-5 基于级联结构的分类器速度优化  17-19
  §2-4 组合分类器设计  19-22
  §2-5 图像特征  22-24
    2-5-1 积分图  22-23
    2-5-2 Haar-like 特征  23-24
    2-5-3 MB-LBP 特征  24
  §2-6 随机抽取算法  24-25
    2-6-1 均匀随机数的产生  24-25
    2-6-2 随机抽取算法的基本步骤  25
  §2-7 并行计算简介  25-27
    2-7-1 数据并行性  26
    2-7-2 任务并行性  26-27
  §2-8 系统实现与分析  27-37
    2-8-1 系统实现  27-31
    2-8-2 基于组合分类器的车牌定位算法  31-32
    2-8-3 对比试验  32-35
    2-8-4 组合分类器试验结果分析  35-37
  §2-9 本章总结  37-38
第三章基于边缘特征的二级分类器设计  38-46
  §3-1 梯度直方图特征  38-39
  §3-2 SURF 特征  39
  §3-3 基于边缘算子的特征提取  39-40
    3-3-1 Canny 算子简介  39
    3-3-2 Sobel 算子简介  39-40
    3-3-3 基于亚采样的特征提取算法  40
  §3-4 RealAdaBoost 算法简介  40-41
  §3-5 算法实现与分析  41-45
    3-5-1 基于HOG 的二级分类器设计  41
    3-5-2 对比试验  41-43
    3-5-3 试验结果及分析  43-45
  §3-6 本章总结  45-46
第四章总结与展望  46-48
  §4-1 总结  46
  §4-2 展望  46-48
参考文献  48-50
致谢  50-51
攻读学位期间所取得的相关科研成果  51

用于车牌定位的分类器设计与相关算法研究

内容摘要

全文目录

相似论文