b像不变矩特征和BP神经网络车型分类.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of V01．37No．2 第37卷第2期 UniversityTechnology 2009年2月 Science 2009 (Natural Edition) February 基于图像不变矩特征和BP神经网络的车型分类水 秦钟 (华南理工大学土木与交通学院，广东广州510640) 摘要：为实现车型的有效分类，文中提出了一种基于图像分析的车型分类方法．首先， 根据视频序列图像建立了路面背景，利用背景差分将图像中的车辆区域分割出来，计算车 辆区域的不变矩特征量．为了加快特征的提取，利用Canny算子检测车辆区域的边缘，提 取车辆轮廓，直接计算车辆轮廓的矩不变量，将其作为车型分类的特征量．然后建立具有 3层结构的BP神经网络，将不变矩特征量作为神经网络的输入，根据神经网络的输出实 现车型的分类．试验证实了该方法的有效性． 关键词：车型分类；不变矩；神经网络；图像分割；边缘检测 中图分类号：U116；TP391．4文献标识码：A 车型识别是智能交通系统中的一个重要研究内 1 离散图像的矩不变量 容…．交通流中的车型分布是交通管理与控制中的 由于图像中包含大量的信息，数据量大，导致视 重要参数，通过对车型的分类统计，可为交通管理与 频检测的处理速度不尽人意．要提高视频图像的处 控制提供可靠的依据．目前车型自动识别分类技术 理速度，车辆特征的提取是关键．特征提取过程是去 主要采用超声波检测、激光检测、红外检测和视频检 除冗余信息的过程，具有提高识别精度、减少运算量 测等方法拉4J，其中视频检测是一种非接触式的检 和提高运算速度的作用．良好的特征应具有可区分 测方法，具有安装简单、不破坏路面、检测距离远、精 性、稳定性、独立性以及数目小的特点．矩是一种非 度高等特点，在智能交通领域得到了广泛的应 常重要的表示目标总体形状的特征量．二维图形的 用∞j．基于图像处理技术的车辆类型识别主要有基 几个关键特征均直接与矩有关，如图像的大小、形心 于视场标定和无视场标定两种方案．基于视场标定 和旋转情况等等．不变矩由于概念清晰、识别率稳 的方案与摄像机的安装高度、焦距调节和拍摄角度 定，对具有旋转和缩放变化的目标有良好的不变性 密切相关，如果其中一个或多个因素发生变化，或者 J． 及抗干扰性，能有效地反映其本质特征。8 系统应用于另外一个场合，则需要重新标定．为了减 对于二维离散图像灰度空间，在区域(X，y)内 少标定带来的运算困难以及由于人工测量和标定转 的像素点(X，Y)的灰度值为八工，Y)，其