1、隨著計(jì)算機(jī)信息處理技術(shù)、模式識(shí)別技術(shù)、圖像處理技術(shù)以及網(wǎng)絡(luò)技術(shù)等在交通運(yùn)輸管理中的應(yīng)用與發(fā)展,智能交通系統(tǒng)(Intelligent Transportation System,ITS)己成為交通運(yùn)輸領(lǐng)域的研究熱點(diǎn)課題。隨著視頻設(shè)備在交通系統(tǒng)中的廣泛應(yīng)用,促使我們結(jié)合視頻設(shè)備,研究自動(dòng)獲取車型等交通數(shù)據(jù)的方法,用于克服傳統(tǒng)的運(yùn)動(dòng)車輛檢測(cè)不完整和人工識(shí)別車輛困難等諸多缺點(diǎn),為公安、交通等的交通管理信息化提供幫助。
　　 本論文的研究

2、基于視頻的車輛檢測(cè)、分類識(shí)別以及車型流量統(tǒng)計(jì)分析管理系統(tǒng)等多方面的內(nèi)容。論文所做主要工作如下:
　　 首先,論文研究了一種基于LBP(Local Binary Pattern)特征的視頻車輛完整性檢測(cè)方法。該方法首先利用相鄰幀差法對(duì)運(yùn)動(dòng)車輛進(jìn)行初步檢測(cè)以確定視頻車輛的種子區(qū)域,然后基于LBP特征使用圖像種子區(qū)域生長(zhǎng)方法將檢測(cè)到的車輛局部區(qū)域擴(kuò)展到更大更完整的車輛區(qū)域。實(shí)驗(yàn)證明利用基于LBP特征和圖像種子區(qū)域生長(zhǎng)的視頻車輛檢測(cè)方法

3、可以大幅度提高視頻運(yùn)動(dòng)車輛檢測(cè)的完整性和正確性。
　　 其次,應(yīng)用實(shí)現(xiàn)了一種基于空間不變特征SIFT(Scale Invariant FeatureTransform)以及支持向量機(jī)(Support Vector Machines,SVM)的車型多分類系統(tǒng)。該系統(tǒng)應(yīng)用了SIFT特征具有的良好不變特性,以及支持向量機(jī)所具有的小樣本統(tǒng)計(jì)學(xué)習(xí)的理論基礎(chǔ),可較好地滿足對(duì)視頻車輛的實(shí)時(shí)、準(zhǔn)確分類的要求。實(shí)驗(yàn)證明,本文提出的基于SIFT特征

4、與支持向量機(jī)的車型多分類識(shí)別方法具有實(shí)現(xiàn)簡(jiǎn)單、準(zhǔn)確度高、穩(wěn)定性好等特點(diǎn)。
　　 最后,本文設(shè)計(jì)實(shí)現(xiàn)了基于道路交通視頻車輛實(shí)時(shí)分類的道路車輛信息化管理系統(tǒng)。該系統(tǒng)通過(guò)將前端道路交通視頻車輛實(shí)時(shí)分類系統(tǒng)與后臺(tái)道路、車型分類等多個(gè)信息的自動(dòng)化管理系統(tǒng)相互結(jié)合,使得現(xiàn)代公路交通的管理更加智能和高效;同時(shí)也降低了交通管理的難度,提高管理工作的工作效率。
　　 經(jīng)過(guò)大量的實(shí)驗(yàn)證明,本文提出的視頻車輛檢測(cè)和車型識(shí)別方法能夠適應(yīng)復(fù)雜環(huán)境