智能交通系统中车型识别的研究与应用

本文设计和实现了一种实时车型识别系统,它是智能交通领域的研究热点和难点之一。该系统的处理过程主要包括学习训练和识别分类两个步骤。学习训练步骤首先用时间平均图像法得到背景模型,接着用背景差分法在复杂场景中检测提取运动车辆的轮廓,轮廓的左右及下边界作为车脸的左右及下边界,然后在场景中选定统一的车脸高度阈值定位出每辆车的车脸高度,再对车脸图进行大小归一化处理建立车脸图像库,最后应用特征脸的方法提取车脸的特征向量,得到车脸特征库。识别分类步骤是根据上述方法从场景中提取车脸图,并计算其特征向量,再用最小距离法与特征库的特征向量比对。本文用OpenCV和Visual C++ 6.0搭建实验平台,共采集100张车辆的车脸生成车脸特征库。实验中,采用80 ? 30大小的车脸,系统识别每辆车时间约为1.88ms左右;当采用120 ? 50和322 ? 131大小时,时间约为3.28ms和30.69ms左右;实验结果表明本系统的可行性、实时性,其中将训练库中作为测试库时,识别率为100%。