新车型识别方法及其在套牌车辆鉴别中的应用

doi:10.3778/j.issn.1002-8331.2009.17.064

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (17): 211-214.DOI: 10.3778/j.issn.1002-8331.2009.17.064

新车型识别方法及其在套牌车辆鉴别中的应用

王枚^1,2,王国宏¹,于元港²,谢洪森¹

1.海军航空工程学院电子信息工程系，山东烟台 264001
2.烟台职业学院图像处理与模式识别研究所，山东烟台 264000

收稿日期:2008-04-07 修回日期:2008-06-19 出版日期:2009-06-11 发布日期:2009-06-11
通讯作者: 王枚

Method of new vehicle-type recognition and its application in set of sign vehicles distinction

WANG Mei^1,2,WANG Guo-hong¹,YU Yuan-gang²,XIE Hong-sen¹

1.Department of Electronic Information，Naval Aeronautical Engineering Institute，Yantai，Shandong 264001，China
2.Institute of Image Processing and Pattern Recognition，Yantai Vocational College，Yantai，Shandong 264000，China

Received:2008-04-07 Revised:2008-06-19 Online:2009-06-11 Published:2009-06-11
Contact: WANG Mei

摘要/Abstract

摘要： 提出一种用于判决车辆类型的车灯定位识别方法，可解决套牌车辆鉴别问题。在车牌和车标识别基础上，以车牌中心点为准，选取相对完整的单个车灯，从靠近车标一方开始，截取车灯垂直幅值倍数的水平宽度作为有效区域，然后对其进行大小和方向归一化处理；接着使用图像的不变矩距离分类器在车标确定的车系中进行车灯识别，根据车灯识别结果确定车辆具体车型；最后结合车型识别结果和牌照信息在车辆信息库中比对，判断是否为套牌车辆。经交通卡口获取的实测图像进行测试结果表明，车型识别准确度为95.5%。

关键词: 车灯定位识别, 车型识别, 归一化, 套牌车辆, 不变矩

Abstract: It gives a method of vehicle-light location and recognition for vehicle type recognition to solve the problem of set of sign vehicle identification.Based on the recognition of vehicle-plate and vehicle-logo，depending on the central position of the vehicle-plate，signal more complete vehicle-light is selected.The area is regarded as effect area by cutting times horizontal length of the vertical wide of vehicle-light from the side near vehicle-logo.Next its size and direction normalization processing is executed.Then invariant moment minimum distance achieves the vehicle-light recognition.The vehicle type is given by the fusing the vehicle-light recognition result and vehicle-logo class.At last the set of sign vehicles are distinguished by the recognition result both the vehicle-plate and vehicle-type in the vehicle database.The experimental result on actual vehicle images that are taken from traffic station shows that the vehicle-type recognition accuracy is 95.5 percent.

Key words: vehicle-light location and recognition, vehicle-type recognition, normalization, set of sign vehicle, invariant moment minimum

王枚^1,2,王国宏¹,于元港²,谢洪森¹. 新车型识别方法及其在套牌车辆鉴别中的应用[J]. 计算机工程与应用, 2009, 45(17): 211-214.

WANG Mei^1,2,WANG Guo-hong¹,YU Yuan-gang²,XIE Hong-sen¹. Method of new vehicle-type recognition and its application in set of sign vehicles distinction[J]. Computer Engineering and Applications, 2009, 45(17): 211-214.

[1]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[2]	姜佩贺，王晨旭，郭刚，位寅生. 面向FPGA应用的硬件木马植入与检测技术研究[J]. 计算机工程与应用, 2021, 57(20): 119-124.
[3]	张武，周星宇，邹军华，潘志松，段晔鑫，陈军. 基于腐蚀批归一化层的对抗攻击算法[J]. 计算机工程与应用, 2021, 57(16): 116-124.
[4]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[5]	陈立潮，朝昕，曹建芳，潘理虎. 融合独立组件的ResNet在细粒度车型识别中的应用[J]. 计算机工程与应用, 2021, 57(11): 248-253.
[6]	白博，谢刚，续欣莹. 多尺度级联R-FCN的尾灯检测算法研究[J]. 计算机工程与应用, 2020, 56(6): 194-200.
[7]	张曼，夏战国，刘兵，周勇. 全卷积神经网络的字符级文本分类方法[J]. 计算机工程与应用, 2020, 56(5): 166-172.
[8]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[9]	代乾龙，孙伟. 基于改进稀疏栈式编码的车型识别[J]. 计算机工程与应用, 2020, 56(1): 136-141.
[10]	张晓琴，刘莉楠. 基于亲密度和吸引力的二分网络社区发现算法[J]. 计算机工程与应用, 2019, 55(23): 170-176.
[11]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[12]	汪叶娇，周勇. 新形式勒让德矩的研究[J]. 计算机工程与应用, 2019, 55(22): 152-162.
[13]	王彦哲，张立民，张兵强，李振宇. 改进卷积输入的端到端普通话语音识别[J]. 计算机工程与应用, 2019, 55(17): 143-149.
[14]	王虎，李晶，赵恒淼，臧燕，李春堂. 稀疏低秩模型及相位谱补偿的语音增强算法[J]. 计算机工程与应用, 2018, 54(5): 150-155.
[15]	赵汐璇，阚江明. 林业运动模糊图像复原的融合正则化方法[J]. 计算机工程与应用, 2018, 54(12): 160-164.

新车型识别方法及其在套牌车辆鉴别中的应用

Method of new vehicle-type recognition and its application in set of sign vehicles distinction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics