基于图像不变矩特征和BP神经网络的车型分类

华南理工大学学报（自然科学版） ›› 2009, Vol. 37 ›› Issue (2): 87-91.

基于图像不变矩特征和BP神经网络的车型分类

秦钟

华南理工大学土木与交通学院, 广东广州 510640

收稿日期:2007-10-26 修回日期:2008-01-15 出版日期:2009-02-25 发布日期:2009-02-25
通信作者: 秦钟（1972-），男，高级工程师，博士，主要从事智能交通、图像处理研究． E-mail:qzscut@yahoo．com．cn
作者简介:秦钟（1972-），男，高级工程师，博士，主要从事智能交通、图像处理研究．
基金资助:
建设部软科学研究项目（2008-K5-6）

Vehicle Classification Based on Image Moment Invariant Feature and BP Neural Network

Qin Zhong

School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510640, Guangdong, China

Received:2007-10-26 Revised:2008-01-15 Online:2009-02-25 Published:2009-02-25
Contact: 秦钟（1972-），男，高级工程师，博士，主要从事智能交通、图像处理研究． E-mail:qzscut@yahoo．com．cn
About author:秦钟（1972-），男，高级工程师，博士，主要从事智能交通、图像处理研究．
Supported by:
建设部软科学研究项目（2008-K5-6）

摘要/Abstract

摘要： 为实现车型的有效分类，文中提出了一种基于图像分析的车型分类方法．首先，根据视频序列图像建立了路面背景，利用背景差分将图像中的车辆区域分割出来，计算车辆区域的不变矩特征量．为了加快特征的提取，利用Canny算子检测车辆区域的边缘，提取车辆轮廓，直接计算车辆轮廓的矩不变量，将其作为车型分类的特征量．然后建立具有3层结构的BP神经网络，将不变矩特征量作为神经网络的输入，根据神经网络的输出实现车型的分类．试验证实了该方法的有效性．

关键词: 车型分类, 不变矩, 神经网络, 图像分割, 边缘检测

Abstract:

In order to effectively classify vehicles, a new classification method based on image analysis is proposed. In this method, the road background is set up according to video sequence images, and the moment invariant fea- tures of the vehicle region segmented via the background division are calculated. Then, in order to speed up the ex- traction, a Canny operator is used to detect the edge of the vehicle region and to extract the vehicle outline, and the moment invariant is directly obtained as the characteristic quantity of vehicle classification. Afterwards, a three-layer BP neural network, with the moment invariant as the input, is established, and the vehicle is then classified according to the network output. Some experiments are finally carried out to verify the effectiveness of the proposed method.

Key words: vehicle classification, moment invariant, neural network, image segmentation, edge detection

秦钟. 基于图像不变矩特征和BP神经网络的车型分类[J]. 华南理工大学学报（自然科学版）, 2009, 37(2): 87-91.

Qin Zhong. Vehicle Classification Based on Image Moment Invariant Feature and BP Neural Network[J]. Journal of South China University of Technology (Natural Science Edition), 2009, 37(2): 87-91.

[1]	方港, 袁珑华, 王晓明, 等. 基于集合卡尔曼-Elman网络的软测量建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 126-136.
[2]	马晓亮, 安玲玲, 邓从健, 等. 基于行业词表的自动语音转写后优化技术[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 118-125.
[3]	朱铮宇, 罗超, 贺前华, 等. 基于唇重构与三维耦合CNN的多视角音唇一致性判别[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 70-77.
[4]	叶峰, 陈彪, 赖乙宗. 基于特征空间嵌入的对比知识蒸馏算法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 13-23.
[5]	刘怡俊, 曹宇, 叶武剑, 等. 基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 104-113.
[6]	冷晟, 付有为, 马万太, 等. 基于GA-BP神经网络的喷射成形锭坯形貌调控技术[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 27-34.
[7]	杨旭锋, 刘泽清, 张懿. 基于贝叶斯神经网络的金属材料P-S-N曲线估计[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 82-92.
[8]	许伦辉, 余佳芯, 裴明阳, 等. 基于几何路网结构和强化学习的车辆重定位策略[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 99-109.
[9]	孙晓贺, 施成华, 刘凌晖, 等. 基于改进的种子填充算法的混凝土裂缝图像识别系统[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 127-136,146.
[10]	李潇, 汪涛, 张毅, 等. 网联车混行条件下交通流量融合方法[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 49-55.
[11]	兰凤崇, 张越, 陈吉清, 等. 人车碰撞事故中行人伤亡风险的关联性分析与预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 1-10.
[12]	杨春玲杨雅静. 基于多尺度特征逐层融合深度神经网络的无参考图像质量评价方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(4): 81-89,141.
[13]	邱志斌, 卢祖文, 王海祥, 等. 基于Mel频谱图和CNN的电网涉鸟故障鸟声识别[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 129-136.
[14]	杨晋生, 陈洪鹏, 关欣, 等. 一种多尺度轻量级脑胶质瘤图像分割网络[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 132-141.
[15]	邢晓芬, 李敏盛, 徐向民. 基于自适应亮度调节的图像情感转换[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 1-12.