论文部分内容阅读
随着恐怖活动的日益加剧,各式各样的汽车炸弹袭击事件频繁发生,社会公共安全问题已经成为全世界关注的焦点,对于出入车辆的安全检查十分重要,由于汽车底盘的携带方便等特点,它就是汽车安检系统的重点关注对象,而长期以来的人工检测、视频监控等措施已远不能满足要求了,因此汽车底盘异物实时智能检测系统的开发迫在眉睫。汽车底盘异物实时智能检测系统的一个重要环节就是车辆底盘的识别,本文围绕着图像识别的一般步骤:图像分割、图像特征提取、分类识别,重点展开车辆底盘图像的区域分割、车辆底盘图像的特征提取、车辆底盘的分类识别策略设计等几个方面的研究。从基于线阵CCD汽车底盘成像的工程实拍图像出发,再结合到地埋相机拍摄到的汽车底盘图像的非底盘部分和底盘部分的不同特点,根据信号变化反应的底盘图像内容差异,本文利用底盘图像水平、垂直方向的投影曲线峰谷跳变特征对应找到图像的边界,从而完成底盘图像的区域分割。之后,针对工程实际中出现的汽车行驶过程中的左右偏移,根据它们的投影曲线间的相关系数最大,进行图像的配准。对于由于汽车行驶速度不均,且在线阵CCD成像下出现的图像局部内容的拉伸、压缩,进行图像相似度较高行数据的删除,从而对这种行进畸变进行抑制。实验表明,对图像底盘的配准、行进畸变的抑制,提高了类内的相似度,对后续的识别分类十分有利。最后,提取出该汽车底盘图像边缘图像的垂直投影曲线作为分类识别的特征,标准库中的标准图像特征也是按此存入。然后根据向量之间的相似程度、相异程度数学理论(如相关系数、欧氏距离等),求取待测底盘图像和标准图像特征曲线的相关性参数,并且依次完成待测图像与标准库中所有图像特征的一一比对。通过大量的实验得到底盘图像分类识别的策略规则,找到汽车底盘的车型类别或发现异常情况。实验结果验证了本文所提出算法的有效性。