基于SIFT算子的车标识别实验报告.doc.docVIP

基于sift算子的车标识别软件 小组成员： 小组编号： 专业班级： 指导老师： 日期时间： 第一部分 绪论 1.1研究目的与意义 随着中国经济进入高速发展模式，人们物质文化水平也跟着大幅度的提高，人们 对汽车的需求量也日益增大。面对着汽车数量越来越多的问题，如何对这些车辆进行 有效的管理成为社会首要关注的问题。车标是车辆的一个重要的特征属性，相对于车 辆其他的一些特征信息（譬如车牌），车标具有不易更改的特点。基于这一非常重要 特性，本文将对车标的识别进行研究。 本文主要分为两大核心部分，定位部分（包括车牌的定位和车标的定位）和车标 特征向量提取和识别部分。本文车标的定位是根据车牌和车标的先验知识，提出一种 由粗到精的车标定位方法。首先通过成熟的车牌定位方法对车牌进行定位，再根据车 牌与车标的相对位置可以估计出车标的大概区域；接着利用 SOBLE 边缘检测算子对车 标估计区域同时进行垂直边缘的检测和水平边缘的检测，分割车标区域与背景区域； 接着再利用数学形态学进行腐蚀膨胀处理得到车标的精确区域。车标特征向量的提取 本文利用 SIFT 算子进行提取。SIFT 算子的主要优点是信息量丰富，独特性好，适合在 海量数据中进行快速、准确的匹配。另外 SIFT 算子的特征属性是图像的局部特征，具 有对图像的尺度缩放、亮度变化、旋转保持不变性；对视角的变化、放射变换、噪声 等等都保持很高的稳定性。除此之外，SIFT 算子也具备多量性和可扩展性，少数的物 体也可以产生较多的特征点，也可以很方便与其他形式的特征向量进行联合。所以本 文通过 SIFT 算子对车标进行特征提取和特征向量的生成，最后通过欧式距离判断待匹 配的车标向量与模板库的车标向量的相似性，最终达到识别出车标的作用。 如果将车标识别技术应用到现代车辆犯罪侦查中，将会大大减少对犯罪车辆的搜 寻范围和相关部门的工作量，提高车辆识别的可靠性。车标识别技术可以应用在很多 领域，比如公路收费、车辆管理、公路布控等等。因此开发一种能够识别出车标的技 术在当今社会显得极为必要。 1.2主要研究内容与相关理论介绍 本文研究的主要内容可以分为三个模块： （1）车牌的定位模块。本文的第一部分是车牌的定位。车牌的定位是否准确关系 着车标的定位是否准确，所以车牌的定位非常关键。本文采用基于 HSV 颜色模型的方 法定位，根据中国车牌只有三种颜色黄色、蓝色和白色，通过判断 HSV 各个通道的值 确定车牌的区域。 （2）车标的定位模块。车标的定位总共分为两部分，车标的粗定位和车标的精定 位。车标的粗定位是根据车标与车牌的相对位置这一先验知识得出的。然后对车标的 估计区域进行车标的边缘检测，分离车标与背景，最后通过形态学滤波作用，精确定 位出车标的位置。 （3）车标特征向量的提取和识别模块。车标特征的提取和特征向量的生成是本文 的关键部分。在车标精定位之后，对车标区域利用 SIFT 算子进行特征提取。提取过程 大致可以分为：尺度空间的构建，极值点的检测，关键点的确定，关键点的描述。最 后采用欧式距离判断向量的相似性，识别车标类别。 第二部分 车牌定位 车标定位越准，框的越精确，噪声就越小，干扰就越小，提取的特征越能体现车标的属 性，识别的准确率当然越高。所以选择一个合适的车牌定位方法非常重要。根据应用 场地的需要和采集的数据集的特征，将采用基于 HSV 颜色空间和灰度形态学的方 法对车牌进行定位。首先，通过车牌颜色定位算法简单，实现起来比较容易。其次车 牌的底色目前中国只有黄、蓝、白三种底色，很容易通过车牌的颜色区分车牌与车身。 具体定位算法步骤如下： 1.将 RGB 颜色空间图像转换为 HSV 颜色空间模型。 2.设定 HSV 各个通道阈值。 3.通过阈值灰度化图像。 4.通过开闭运算整合连通区域。 5.通过颜色特征搜索候选区域。 6.通过特征值和车牌几何特征确定车牌区域。 车牌定位流程图如 3-1所示： 图 3-1 车牌定位流程图 3.1 确定车牌颜色在 HSV 空间的阈值 每一种颜色的车牌需要进行采样估计，以确定每一种颜色在 HSV 空间的阈值。因 为中国不同地方的车牌颜色不一样，各个亮度、饱和度、色调都不相同。另一个原因 车牌颜色会随着时间的流逝而退化，每一类车牌颜色的各个 HSV 通道值是一个范围， 而不是一个精确地数值。所以为了更准确的定位好每一类的车牌，需要对每一类车牌 进行大量的抽样统计分析。 同样，通过类似的方法可以得到其他颜色车牌各个分量的阈值范围，最终得出三 种车牌的颜色的阈值范围。 本实验采用的数据是通过手工截取每一张车辆车牌区域的图像，并且按