论文部分内容阅读
本文选题来自广西壮族自治区科学技术厅立项的技术开发项目“JT-G型集成化绿色通道专用检查系统”,其目标是研制开发一套基于辐射透射成像原理的集成化、全自动绿色通道检查系统。为了避免车辆驾驶室受到辐射,必须实现驾驶室的安全避让,以往通过人为控制放射源快门的方法主观性太强,安全性不好,生成的辐射图像不够完整。本文提出了利用车型识别技术自动识别不同的车型并避让驾驶室,保障辐射安全,主要研究基于机器视觉的车型识别方法,从应用角度设计和实现ROI定位、特征提取和车型分类,主要工作如下: (1)给出有效的车头、Logo、散热器栅格 ROI定位方法,为车型识别奠定基础。由于户外环境复杂,ROI定位比较困难,对于车头定位,本文将 Gaussians背景建模和形态学边缘结合,提出了一种滑动窗口扫描算法来准确提取车头。对于Logo定位,针对现场环境特点和“绿通车辆”的车型特点设计一种由粗到精的Logo定位算法,关键利用纹理抑制算法和亮斑检测及归一算法来有效抑制 Logo周围如散热器栅格纹理、车窗、雨刷等干扰,解决了以往 Logo定位方法在户外环境下准确率低的问题。对于散热器栅格,基于Logo位置和车牌位置可以准确定位栅格。 (2)提出和实现了基于 Logo识别的高效车型识别方法,关键在于利用 Logo识别缩小车型识别的范围。对于Logo识别,提取Logo的DCT低频分量作为特征向量,对特征向量的维数选择进行研究,建立SVM模型识别Logo类别。对于车型识别,选择Logo左侧局部图像作为ROI并提取其DCT低频特征,建立SVM模型识别车型类别。实验结果表明,基于Logo识别的车型识别方法得到了97.9％的高识别准确率,一次识别时间为30ms。 (3)以往基于角点特征的车型识别方法存在的准确率低,计算量大的问题。本文设计并实现了基于自适应Harris算法的车型识别方法。关键在于通过一个自适应函数和响应值排序来确定角点的数量,解决了经典Harris算法在不同车型、不同环境下角点数不一致的问题;采用 GPU/CPU协同加速计算对识别算法以及识别的流程进行并行优化设计。性能对比结果表明,在2x Dual Intel Xeon E5-2600和NVIDIA Tesla C2075异构计算平台上获得了99.5%的准确率,一次车型识别时间由传统的单线程方法的4071ms加速到70ms,加速比达到了58倍。