论文总字数：18513字

目 录

第一章 绪论 6

1.1课题研究背景 6

1.1.1图像识别 6

1.1.2智能交通 6

1.2应用及意义 6

1.2.1汽车侧轮廓识别的前景 6

1.2.2图像识别的意义 7

1.3研究现状与未来发展 7

1.4汽车侧轮廓识别主要流程如图1-1 7

第二章 图像预处理 8

2.1图像预处理简介 8

2.2阈值分割法 8

2.2.1直方图阈值分割法 8

2.2.2类间方差阈值分割法 10

2.2.3迭代法阈值分割法 12

2.2.4.人工阈值分割法 12

2.3本章小结 14

第三章 HOG特征提取 15

3.1 HOG简介 15

3.2 HOG算法步骤 16

3.3 本章小结 19

第四章 SVM分类器 19

4.1 SVM的简述 19

4.2 SVM分类机制 20

4.3本章小结 25

第五章 实验结果与结论 25

5.1用hog特征对图像进行多分类，svm训练，1 VS 1 25

5.2 显示训练的图片种类Labels和数量Count 26

5.3对训练集中的每张图像进行hog特征提取 26

5.4 对所有训练图像进行HOG特征提取。 27

5.6预测并显示预测效果 27

第六章 结论与展望 29

6.1 结论 29

6.2 本论文的不足之处 29

参考文献 29

致谢 31

基于HOG SVM的汽车侧面图识别

李新

,China

Abstract: The 21st century is a new century of information technology. In the century in which computer is the main development basis, artificial intelligence technology and its corresponding pattern recognition technology have also achieved unprecedented development. The vehicle identification system in image recognition mainly covers two major identification methods: license plate recognition and car type recognition. Both of these methods are widely used, and they are also hot topics in image pattern recognition and computer vision. . This article is under this background, has carried on the further research to the vehicle recognition technology. In the vehicle recognition, this article innovatively identifies the vehicle type from the side profile of the vehicle.

   This paper proposes a vehicle side contour recognition method based on HOG SVM. The car side contour recognition is generally divided into three modules, preprocessing technology, feature extraction technology and classifier. In the image preprocessing, the threshold segmentation method is mainly used to segment the side view of the car from the picture. The feature extraction uses the HOG direction gradient histogram to extract the features of the car side. According to the corresponding characteristics of the side view, the comparison test image is extracted. In the HOG feature, the SVM (Support Vector Machine) support vector machine classifier is used in the final classifier to train and classify the tested images and achieve accurate vehicle identification from the side profile.

Key words : Matlab Threshold Segmentation HOG SVM

第一章 绪论

1.1课题研究背景

1.1.1图像识别

数字图像处理又被称为计算机视觉，最初是在70年代由MIT的Marr提出的关于视觉计算相关的理论，该理论引领了其后十多年的数字图像处理的思想。数字图像处理技术是一个挖不完的煤矿，因此，人类还需深入探索其中未知领域与其中的奥妙。数字图像处理这项技术在现代社会给人类带来了巨大的经济效益。未来的计算机发展中，它将会是人类生活不可或缺的工具。

数字图像处理，经历了从一开始的发展到如今的广泛应用取得了很大的成就。现在，它被运用于各大领域与平台，如交通运输、医疗等。现如今，随着科学技术的发展，数字图像处理这门科学将会具有不可估量的深远影响。

1.1.2智能交通

随着科技的革新以及汽车产业不断的更新换代，制造各种各样的车辆来代步已经不再是一件难事。然而，现代交通基础设施的发展却慢慢赶不上交通需求的快速增长。交通拥堵变成了常态，环境污染、交通事故、交通犯罪率等由于交通造成的事件随着车辆的增加也在逐渐增多。

车辆识别技术作为智能交通系统的核心技术应运而生，他可以用在地下停车场管理系统、公安执法记录系统、城市道路检测监控系统、等各个系统来简化人类的劳动。作为车辆识别的辅助工具，车辆侧面照片识别。可以确定车辆的类型，提高车辆识别的准确性，在车辆识别系统中的作用不容忽视。

1.2应用及意义

1.2.1汽车侧轮廓识别的前景

（1）打击犯罪：

利用侧面照片和车牌的组合，对车辆进行精准识别，并从道路路口的监控系统和目击者的取证中找到与登记记录不符的车辆。对车辆的调查处理往往能找到犯罪线索，从而为公安机关破获重大案情提供强有力的支援。未来也可以按照需要增加车辆的颜色和其他车辆信息来对目标车辆进行识别。

（2）经济统计

在各主要交叉路口可以建立一个监控系统，利用车辆侧面轮廓识别技术计算市场各类汽车的市场占有率，为经济学相关研究提供可靠的数据。同时，也使得汽车企业更好地了解用户对于车辆的不同需求，依据这个来改变他们的发展战略和提高他们的核心竞争力。这在一定程度上会促进汽车工业向一个更好的更大众的方向发展，使人们享受更舒适的驾驶过程和出行体验。

（3）其它应用：

如停车场管理系统和车辆信息登记，也可应用车辆侧轮廓识别技术来实现其自动化管理，节省人力物力财力。虽然车辆侧面照片识别技术还没有投入实际生活中进行应用，但其发展前景是十分广阔的。汽车侧面照片识别可以作为一项辅助功能加入到智能交通系统当中，使之达到节约社会资源、提高工作效率的要求。因此，我相信这项技术会对车辆识别的研究与发展具有深远影响。

1.2.2图像识别的意义

数字图像处理的优势1.图像的再现性好：图像处理过程中对图像的预处理等操作不会影响图像本身质量而导致其下降。2.适用面积广泛：图像识别技术运用于大气科学，智能交通，医疗影像等各个方面。3.高灵活度：数字图像处理方面它可以通过运用数学公式和逻辑关系式表示所有操作。

1.3研究现状与未来发展

进入21世纪的大门，随着计算机技术不可阻挡的发展, 数字图像处理在航空与航天技术、 生物工程技术、工业工厂技术、机器人视觉方面、司法部门、公安系统等诸多领域取得了重大成就。

数字图像处理技术未来发展的方向大致可能有几点：

1. 高精度、多媒体化、大众化、高纬化、和智能化。

（2）随着VR技术逐渐的进入人们的生活，数字图像与图形的结合将会朝着三维立体成像或更多维成像的方向发展。

（3）硬件芯片研究。目前，随着人工智能AI的发展，晓龙845和麒麟970手机芯片已经在拍照方面加入了图像识别功能，同时随着科技的进步，芯片的功能将会愈发强大，把图像处理等功能用于芯片中这项技术将会有更加广阔的应用领域和更大的市场。

（4）新型理论和新算法的不断发现与深入研究。技术在不断发展，数字图像处理领域当然也不会落后，近年来有很多新的理论，新的算法被提出与运用，未来图像识别方面的研究也不会少。

1.4汽车侧轮廓识别主要流程如图1-1

图1-1 识别流程图

图像采集模块：本文通过网络图片搜集和自己在生活中拍摄来搜集相关汽车侧面图片，来充盈自己的图库。

预处理模块：本文采用阈值分割法来分割目标图像，将汽车侧面照片从目标图片中提取出来，从而减少背景对于识别成功率的影响。

识别模块：文中采用方向梯度直方图和支持向量机（HOG SVM）来识别汽车侧面照片。

剩余内容已隐藏，请支付后下载全文，论文总字数：18513字

相关图片展示：