【導(dǎo)讀】隨著交通擁擠和堵塞等各種問(wèn)題的日益突出，以及計(jì)算機(jī)技術(shù)的不斷發(fā)展，型分類技術(shù)是重要的一個(gè)分支。本論文對(duì)基于圖像識(shí)別的車型識(shí)別系統(tǒng)進(jìn)行了研。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有較好的識(shí)別率和魯棒性。

　　

【正文】 混濁在一起的圖像 。 圖像的腐蝕 圖 圖像的 腐蝕為圖像形態(tài)學(xué)的一部分，主要 作用是消除 車 邊界點(diǎn)，使目標(biāo)縮小，消基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 26 除小于結(jié)構(gòu)元素的噪聲點(diǎn) ，為下一步運(yùn) 行做出準(zhǔn)備。 車型的識(shí)別 下圖為轎車通過(guò)來(lái)識(shí)別系統(tǒng)，依次按照不同的處理算法，最后得出識(shí)別結(jié)果，識(shí)別效果為下圖： 圖 車型的識(shí)別 小貨車的車型識(shí)別 下圖為小貨車的原圖圖像： 圖 小貨車 下一步將要對(duì)小貨車進(jìn)行圖像預(yù)處理，其中包含中值濾波、閾值分割、二值化、圖像形態(tài)學(xué)處理等。 首先對(duì)其進(jìn)行中值濾波處理，去除其圖像中的高頻噪聲，為以后的圖像處理做好鋪墊。 27 圖 再對(duì)小車做圖像二值化處理，如下圖： 圖 最后再對(duì)小車進(jìn)行識(shí)別，即 可得出識(shí)別結(jié)果： 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 28 圖 識(shí)別結(jié)果 通過(guò)對(duì)以上兩種車型的反復(fù)試驗(yàn)，識(shí)別比較準(zhǔn)確，可以滿足識(shí)別的基本要求。 本論文的主要研究的是車型識(shí)別 ，在對(duì)客車進(jìn)行車型識(shí)別時(shí)，有時(shí)會(huì)出現(xiàn)將其識(shí)別為貨車，造成這一錯(cuò)誤主要原因是因?yàn)樘卣魈崛r(shí)，將參數(shù)選擇為車底和車高的比，而有些客車的車底和車高之比與貨車的車底和車高的比相近。 29 結(jié) 論 近年來(lái)，車型識(shí)別已成為許多研究領(lǐng)域的關(guān)鍵技術(shù)，成為計(jì)算機(jī)視覺(jué)和圖像處理的一個(gè)熱點(diǎn)研究方向。 但是，用于車型識(shí)別的方法仍很有限， 本文針對(duì)這一課題展開(kāi)了初步研究與設(shè)計(jì)。 本文重 點(diǎn)討論了車型識(shí)別中的三個(gè)關(guān)鍵性問(wèn)題：車輛圖像的預(yù)處理、特征提取以及識(shí)別分類。最后根據(jù)本文提出的整合的特征提取策略和主成分分析方法做實(shí)驗(yàn)證明此方法有較好的穩(wěn)定性。 車 型識(shí)別涉及到很多理論和技術(shù)問(wèn)題，本文只是進(jìn)行了初步的探索和嘗試，提出了一些新的設(shè)想與方法，由于受時(shí)間、資金及認(rèn)識(shí)等條件的限制，本文僅完成了部分工作，所取得的成果只是階段性的，離實(shí)際應(yīng)用還有較大的距離。在這個(gè)基礎(chǔ)上可進(jìn)行的后續(xù)研究可以從以下幾個(gè)方面考慮。 1. 本文主要是針對(duì)停車場(chǎng)的車輛將識(shí)別類別設(shè)定為摩托車和汽車兩類，但在很多實(shí)際情況中，這種粗略 的分類是不夠全面的，需要將汽車類別進(jìn)行細(xì)化。車型類別的增多勢(shì)必會(huì)給樣本圖像的選取、特征提取和識(shí)別分類等步驟帶來(lái)困難，增加算法的復(fù)雜度。因此，如何選取樣本圖像，提取特征乃至進(jìn)一步優(yōu)化算降低復(fù)雜度需要進(jìn)一步的研究。 2. 本文側(cè)重于提取車輛圖像的代數(shù)特征，雖然代數(shù)特征具有比其他特征更為有效的特征，但是若能結(jié)合其他方法提取一些其他特征，或許能更好地描述和表示車輛圖像，從而進(jìn)一步提高系統(tǒng)的識(shí)別率。 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 30 社會(huì)經(jīng)濟(jì)效益分析 隨著我國(guó)經(jīng)濟(jì)的迅猛發(fā)展，我國(guó)的交通運(yùn)輸業(yè)，尤其是高速公路得到了迅猛的發(fā)展，隨之而來(lái)的是高速 路口收費(fèi)站的日益繁忙，影響了工作人員的工作效率及工作熱情，在這種背景下，車型識(shí)別系統(tǒng)成為研究的熱門方向。 車型分 類系統(tǒng)的主要應(yīng)用場(chǎng)合為停車場(chǎng)、路橋收費(fèi)管理和公安交通管理部門。 交通管理部門則可以利用該系統(tǒng)實(shí)現(xiàn)無(wú)人值守警察功能，實(shí)時(shí)抓拍違規(guī)車輛，結(jié)合相關(guān)數(shù)據(jù)庫(kù)還可實(shí)現(xiàn)未年檢車輛稽查、違章未交罰款、特定車輛查詢等功能。 本論文的車型識(shí)別系統(tǒng)設(shè)計(jì)就是在這個(gè)應(yīng)用背景下進(jìn)行的一個(gè)有意義的嘗試。本論文所設(shè)計(jì)的車型識(shí)別系統(tǒng)具有良好的識(shí)別效果，實(shí)時(shí)測(cè)量顯示直觀迅速、運(yùn)行操作簡(jiǎn)單，基本達(dá)到本科畢業(yè)設(shè)計(jì)要求。軟件方面，主要采用了 intel 公司推出的 opencv計(jì)算機(jī)開(kāi)源視覺(jué)庫(kù)，它是由一系列的 C 函數(shù)和少量的 C++類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。本系統(tǒng)的開(kāi)發(fā)是基于 VC++ 以 opencv 為圖像處理工具實(shí)現(xiàn)的 。通過(guò)調(diào)試說(shuō)明：利用本車型識(shí)別系統(tǒng)基本能夠達(dá)到識(shí)別車型的要求，比較準(zhǔn)確的實(shí)現(xiàn)了車型識(shí)別。 本設(shè)計(jì)具有很好的適應(yīng)性和較高的經(jīng)濟(jì)性，可以和好的再交通運(yùn)輸業(yè)推廣。 31 參考文獻(xiàn) [1] 孫即祥 . 現(xiàn)代模式識(shí)別 . 湖南省 : 國(guó)防科技大學(xué)出版社 , 2021. [2] 高守傳， 姚鄰田 . 數(shù)字圖像處理 . 北京 : 中國(guó)鐵道出版社 ， 2021 [3] 婁莉，黨瑞榮 . 基于智能圖像處理技術(shù)的車型識(shí)別，微電子學(xué)與計(jì)算機(jī)， 2021: 7(4)： 7173 [4] 章毓晉 . 數(shù)字圖象處理和分析 . 北京 : 清華大學(xué)出版社 ， 1993 [5] 婁莉 ， 黨瑞榮 . 基于智能圖像處理技術(shù)的車型識(shí)別 . 微電子學(xué)與計(jì)算機(jī)， 2021李在銘 . 數(shù)字圖像處理、壓縮與識(shí)別技術(shù)， 西安 : 電子科技大學(xué)出版 社， 2021 [6] 陳愛(ài)斌 . 基于特征車的汽車車型識(shí)別， 信息技術(shù)， 2021 [7] 沈勇武 . 基于圖像識(shí)別的車型自動(dòng)分類系統(tǒng)，浙江大學(xué)碩士學(xué)位論文， 2021. [8] 劉 瑞禎 ， 于仕琪 . OpenCV 教程基礎(chǔ)篇 . 北京 : 北京航空航天大學(xué)出版社 ， 2021. [9] 章毓晉 . 數(shù)字圖象處理和分析 . 北京 : 清華大學(xué)出版社 . 1993. [10] Guyon I． Application of neural works to character recognition． International Journal ofPattern Recognition and Artificial Intelligence． 1993， 7(4)： 721． 755. [11] Setchell J． Applications of Computer Vision to Road—Traffic Monitoring． PH． D Thesis． University ofBristol， England． 1997 [12] Guyon I． Application of neural works to character recognition． International Journal ofPattern Recognition and Artificial Intelligence． 1993， 7(4)： 721755 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 32 致 謝 本文是在 張海軍 老師的指導(dǎo) 下 完成的，在整個(gè)論文的選題、研究與撰寫(xiě)期間，始終得到了張老師精心的指導(dǎo)、熱情的鼓勵(lì)和支持。在四年的年的本課學(xué)習(xí)時(shí)間里，張老師給予我學(xué)業(yè)上悉心的指引和教誨，使我終生難忘；張老師淵博的知識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和高瞻遠(yuǎn)矚的學(xué)術(shù)思想使我受益匪淺，在此，謹(jǐn)向老師致以最崇高的敬意和衷心的感謝 ! 由衷地感謝幫助過(guò)我的所有學(xué)長(zhǎng)，他們給予了我許多的指導(dǎo)和關(guān)懷，使我能夠順利地完成學(xué)業(yè)和論文工作，謝謝他們的耐心指導(dǎo)和無(wú)私幫助。 特別要感謝的是我的家人，正是他們?cè)谖镔|(zhì)和精神上的支持與鼓勵(lì)，使我得以潛心于 學(xué)業(yè)，順利完成本論文。 最后，對(duì)所有曾經(jīng)給予我關(guān)心和幫助的朋友們都表示誠(chéng)摯的感謝。 33 附錄 程序 表 1. 下面為 opencv 圖像顯示部分程序： include include int main( int argc, char** argv ) { IplImage* pImg。 //聲明 IplImage 指針 //載入圖像 if( argc == 2 amp。amp。 (pImg = cvLoadImage( argv[1], 1)) != 0 ) { cvNamedWindow( Image, 1 )。//創(chuàng)建窗口 cvShowImage( Image, pImg )。//顯示圖像 cvWaitKey(0)。 //等待按鍵 cvDestroyWindow( Image )。//銷毀窗口 cvReleaseImage( amp。pImg )。 //釋放圖像 return 0。 } return 1。 } 2 圖像創(chuàng)建，保存和復(fù)制 include include 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 34 IplImage* pImg2 = cvCreateImage(cvGetSize(pImg), pImgdepth, pImgnChannels)。 cvCopy(pImg, pImg2, NULL)。 cvSaveImage(argv[2], pImg2)。//把圖像寫(xiě)入文件 cvNamedWindow( Image, 1 )。//創(chuàng)建窗口 cvShowImage( Image, pImg )。//顯示圖像 cvWaitKey(0)。 //等待按鍵 cvDestroyWindow( Image )。//銷毀窗口 cvReleaseImage( amp。pImg )。 //釋放圖像 cvReleaseImage( amp。pImg2 )。 //釋放圖像 return 0。 3．圖像的 預(yù)處理，中值處理運(yùn)算程序 if(image==NULL)return。 //判斷圖像是否加載成功 cvSmooth(image,image,CV_MEDIAN)。 //利用 opencv 子帶的庫(kù)函數(shù)，對(duì)圖像進(jìn)行中值濾波 cvShowImage(Image, image)。 // 對(duì)圖像進(jìn)行顯示 Invalidate()。 4．下面為 圖像預(yù)處理的二值化部分程序 ： if(img1==NULL)return。 cvThreshold(img1, img1,100,255,CV_THRESH_BINARY)。 //cvAdaptiveThreshold(img1,img1,255,CV_ADAPTIVE_THRESH_MEAN_C, 35 CV_THRESH_BINARY, 3, 5 )。 cvShowImage(Image, img1)。 // display it Invalidate()。 5. 下面為圖像預(yù)處理的形態(tài)學(xué)處理部分程序： if(img1==NULL)return。 cvNamedWindow(Morph, 1)。 IplConvKernel*kernal=cvCreateStructuringElementEx(1,2,0,0,CV_SHAPE_RECT)。 IplConvKernel*kernal2=cvCreateStructuringElementEx(2,1,0,0,CV_SHAPE_RECT)。 cvDilate(img1,img1,kernal)。 IplConvKernel*kernal1=cvCreateStructuringElementEx(2,2,0,0,CV_SHAPE_RECT)。 cvErode(img1,img1,kernal2)。 cvDilate(img1,img1,kernal)。 cvErode(img1,img1,kernal2)。 cvReleaseStructuringElement(amp。kernal)。 cvReleaseStructuringElement(amp。kernal1)。 cvReleaseStructuringElement(amp。kernal2)。 cvShowImage(Morph, img1)。 // display it Invalidate()。 6. 下面為圖像預(yù)處理的形態(tài) 學(xué)處理部分程序： IplImage * pImage8uGray=NULL。 IplImage * pImage8uSmooth=NULL。 IplImage * pImage16uGraySobel=NULL。 IplImage * pImage8uGraySobelShow=NULL。 pImage8uGray=cvCreateImage(cvGetSize(image),IPL_DEPTH_8U,1)。 pImage8uSmooth=cvCreateImage(cvGetSize(image),IPL_DEPTH_8U,1)。 pImage8uGraySobelShow=cvCreateImage(cvGetSize(image),IPL_DEPTH_8U,1)。 //轉(zhuǎn)灰度 cvCvtColor(image,pImage8uGray,CV_BGR2GRAY)。 //高斯濾波 cvSmooth(pImage8uGray,pImage8uSmooth,CV_GAUSSIAN,1,0,0)。 //cvSobel 要求目標(biāo)圖像必須是 IPL_DEPTH_16S 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 36 pImage16uGraySobel=cvCreate