基于图像处理与机器学习的车标及安全带识别研究

作     者：莫文英 

作者单位：广州大学 

学位级别：硕士

导师姓名：高鹰

授予年度：2018年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：车标识别 安全带识别 尺度自适应 滤噪掩模 斜线检测算子 

摘      要：数字图像处理中的目标检测与识别是指将图像信号转换成数字信号,使用图像处理的相关方法将感兴趣目标从图像中分割出来并解决目标的特征提取与识别的过程,是人工智能的重要研究领域之一。随着监控摄像头的广泛使用,视频及图像中的特定目标识别研究在智能监控系统领域发展迅速,其中,道路卡口视频图像的车辆特征及驾乘人员违章行为识别是近年来的研究热点。目前基于机器视觉的车型识别及驾乘人员违章识别的研究很多,但实际应用还不够成熟。现有系统可识别的车型种类较少,驾乘人员违章识别准确率不高,仍需进一步研究更有效可行的方法。本文使用了基于尺度自适应缩放滑动窗及滤噪掩模技术识别车标,并对匹配率最高的前6个识别结果对应的匹配区域提取其HOG(Histogram of Oriented Gradient)特征后使用支持向量机SVM(Support Vector Machine)进行二次识别,经过双重确认输出最终结果。与此同时,本文还使用了独创的特异性斜线检测算子实现前排驾乘人员未扣安全带准确识别,本研究的主要贡献如下。1、提出了基于尺度自适应滑动窗及掩模技术的车标识别方法。本文使用了自适应尺度缩放滑动窗实现车标的精确定位,并且用自适应掩膜技术有效消除车标周围的粘连背景噪声,在此基础上使用模板匹配结合加权匹配度算法识别目标车标。2、提出了基于SVM的车标二次识别方法。通过提取车标的HOG特征,并使用SVM对特征训练,使用训练好的SVM二分类器对匹配率最高的前6个识别结果进行验证,双重识别进一步保证了准确性。3、为了减少滑动模板匹配的运算量,在车标粗定位之后,通过对进气口纹理的判断,对车标进行初步的归类,减少模板匹配的运算量,并且设定模板匹配的停止条件,当模板匹配过程中取得大于设定阈值的匹配率时,程序即可自适应停止后面的匹配运算,得出识别结果。4、对于未扣安全带驾驶违章行为识别,提出了针对安全带的特异性检测算子,检测安全带的独有特征,该检测算子能够在高噪声环境下判断挡风玻璃后前排驾乘人员是否系上了安全带。作为目标车辆的补充特征,实现违章行为识别及对目标的进一步筛查。5、当安全带被遮挡或者受其它噪声影响使得安全带斜线边缘断裂时,通过计算两断裂线段的斜率是否相近、两条断裂线段首尾相接而成的线段的斜率是否相近,以及两条线段的横、纵向距离是否小于设定阈值,这三个条件来判断两条斜线是否属于同一直线,来对两条线段做自动连接处理,该方法进一步提高了安全带识别准确率。