融入先验知识的交通卡口车型识别技术开题报告

全文总字数：2174字

1. 研究目的与意义

交通卡口系统作为ITS（智能交通系统）一个重要组成部分，采用数字高清相机作为图像采集设备，通过触发式拍照记录当前所经过的车辆，在获取的图像中车辆的各种细节特征，如车牌、车标、车辆外形、车身颜色，甚至驾驶员的面部特征等都能被清晰辨认，从而实现对经过车辆进行实时监控和数据记录。随着我国国民收入水平的日益提高，车辆数量的爆炸式增长，与此同时车辆违章行驶，肇事车辆逃逸，车辆被盗等道路刑事案件层出不穷，给公共安全带来了新的挑战。

早期卡口图像完全靠人力进行图片识别和分类工作，对人而言完全是重复性劳动而且效率低下，而且车辆数量的迅速增长，卡口拍摄的图片也随之增加，这无疑大大增加了人工识别工作的难度和工作量，且无法满足对车辆的高准确率和快速识别的要求。随着技术的发展和进步，计算机视觉和模式识别等新技术也开始应用于高清卡口系统，较典型的自动车牌识别技术，可以由计算机自动识别车辆牌照，实现对违法犯罪车辆进行自动识别、检索、比对、轨迹跟踪等。虽然车牌识别技术准确率较高，但也存在一些问题，比如因抓拍照片模糊、牌照污损或者犯罪车辆使用套牌或者假冒车牌均会导致车牌识别失败或者无效。而盗抢车辆案犯往往以小客车、特别是中、高档轿车作为作案重点，得手后通过更换车辆牌照，迅速逃往外地进行销赃、使用，但是这辆车的所属品牌是无法改变的，而且对于肇事逃逸车辆，事发现场的目击者往往更容易记得这辆车的车型，而不是它的车牌号，于是车型特征成为了破案的重要信息。因此车型识别技术的突破对于实现车辆自动识别高准确率和快速识别，以及加快整个ITS系统的现代化进程、提高ITS系统自动化、智能化水平都有着深远而重要的实际意义。

2. 国内外研究现状分析

随着技术的发展和进步，计算机视觉和模式识别等新技术也开始应用于高清卡口系统，基于图像的各种识别方法也开始不断出现，这其中又包括车牌识别法，基于车辆几何特征的识别方法，以及基于车辆外形的识别方法等。针对于车牌识别法，目前这项技术比较成熟，字母和数字的识别率可达到96%，汉字的识别率可达到95%，也非常普及，我国市场上有二十几家企业从事车牌识别产品的开发和生产，其中比较成熟的有香港的亚洲视觉科技有限公司、北京汉王、沈阳聚德、川大智胜、上海高德威、清华紫光、杭州友通、深圳科安信、利普视觉中智交通电子系统有限公司等企业^[2]。

后来一些学者开始投入到车标识别的研究中，例如Yang H^[3]等人在车牌识别基础上搜索车标区域，通过提取车标角点并对角度进行特征匹配进行车标识别，确定车辆所属品牌类型。潘祥^[4]采用模式识别思想，使用Adaboost算法训练级联分类器，在粗定位车标区域中检测并识别车标。高倩^[5]利用不同品牌车标的纹理先验知识,提取车标的SIFT特征描述子进入二级分类器即BP神经网络进行车标分类识别。童雯^[6]提出利用PCA技术降低维数来提取车标图像的特征向量，再利用最小二乘支持向量机（LS-SVM）对车标进行识别。车标识别虽然在一定程度上解决问题，但是也存在不足的地方。车型识别的最终结果是要输出车辆具体品牌类型信息，如将某未知车辆样本识别为大众桑塔纳、大众捷达、大众帕萨特、别克君威、别克凯越等车辆具体品牌以及型号。关于这方面的研究，已经有学者开始研究了，如Petrivic^[7]提出了一种根据图像梯度特征的车辆识别技术，通过描述车前脸感兴趣区域（ROI）特征，来获得特征后再使用最近距离分类法进行识别。Dlagnekov和Zafar等^[8]则使用尺度不变特征变换（SIEF）来研究车辆品牌和型号识别问题。Zhang^[9]运用HOG特征和Gabor变换进行车辆特征描述，使用旋转森林和随机森林进行分类器集成，赋予分类器拒识功能来提高分类器的可靠性。张小琴等^[10]首先根据市公安局提供的道路卡口图片，构建了车脸数据库，然后基于对称特征检测车辆前脸区域，提取车辆前脸区域的HOG特征，最后采用支持向量机对车辆品牌进行分类．以实现对车辆的识别。顾人舒^[11]结合Gabor小波变换和LBP算子提取车辆图像特征向量，采用Adaboost算法对车辆样本进行训练，形成强分类器来实现车型识别。王宇婷^[12]则将车标识别与车型类别识别采用不同方法研究，对于车型型号采用梯度方向直方图技术，再结合支持向量机理论来获得识别方法。张海彬^[13]提出通过卷积神经网络自动学习车前脸的特征，以实现对车辆的识别。诸如此类的课题还有很多的研究文献，它们为以后的车型识别更精确的研究提供了很好的参考和学习。

3. 研究的基本内容与计划

研究内容：

1.学习图像处理和计算机视觉等相关知识。

2.学习车型识别方法。

4. 研究创新点

将先验知识融入SVM算法学习进行车型识别。