本 科 毕 业 设 计
第 26 页 共 32 页
结论
车型自动识别在交通控制和管理中有着广泛的应用前景，并在现代交通系统中占用非常重要的地位，是汽车收费，车流量统计等领域的关键技术。
本设计着重对车辆图像的预处理及车型分类器做了比较细致的研究，得到一定的效果，并用Matlab仿真证明了这种识别方法的有效性，对于车型图像的预处理方法，本设计选取较简单的图像处理操作，如滤波去噪、边缘检测等，这一部分较难的地方在图像二值化这一块，因为图像在进行滤波处理后在非车辆区域存在一些噪声，如果二值化阈值选择不合理则会使噪声更加严重，或是车辆的部分区域被消除。
在车型特征值提取方面，根据车型分类需要，准确的提取出车型的长高比作为车型特征参数，为车辆正确识别奠定了基础。最后用BP神经网络对车型进行分类，基于BP神经网络的建立和训练方法，用训练好的神经网络识别车型，获得较高的识别正确率，证明了此种方法的可行性。
本课题研究只是对车辆图片识别方面做了些研究，还有部分问题没有完善，基于以上的研究，可以研究识别其他的车型，比如消防车，救护车、挖掘机，铲土机等，还可以对图片中出现多辆车同时分析识别，并且能够计数，车辆较多时会有重叠现象，会将俩个目标车辆误认为同一个车辆，产生错误识别，若能利用不同车辆的不同颜色将其区分便会提高车型识别率；在目前研究基础上下一步可以进行视频流中的车辆进行识别，识别某一路口经过的所以车辆并分类计数。总之，作为智能交通系统中的重要技术，车型的分类识别技术会随着图像处理技术的发展不断的深入和完善。
本 科 毕 业 设 计
致谢
第 27 页 共 32 页
在此论文完成之际，我的心中洋溢着无限的喜悦。在人生最美好的时间里我在母校河北科技大学度过了我丰富的四年大学生活，在这里有我最敬佩的各位老师们，有我推心置腹的老朋友、老同学，有我人生最美好的最纯真的回忆，我喜欢咱们学校遍地的鲜花，泛着灵气的假山，干净整洁的校园，还有那学习氛围浓烈的自习室、充满无限空间与遐想的图书馆……很高兴我就要走出校园为社会奉献自己的力量了，我的人生又翻开了崭新的一页。我会随时以科大学子身份约束自己的一言一行，实现自己人生的价值。
首先，我要感谢我的导师孟志永讲师。由于我在公司实习，做的是校外的毕设，题目本来是已经定了的，可是孟老师考虑到我的校外问题主动让我在公司做毕设，并定期联系询问，耐心解答指导。我回校后又主动抽时间指导我整理各类资料，及时让我把一些资料补交上去，在此，我向孟老师致以衷心的感谢和深厚的敬意！在孟老师的身上，我不仅学到了扎实宽广的专业知识，更学到了更多的做人得道理！同时我还要感谢在中期答辩时给我提出各种问题和建议的马洪涛老师、于国庆老师和李春明老师，让我对自己的论文有了更深的理解。还有，我也要感谢我实习的公司刘爱珍同事，在公司期间她对我的毕设也进行了一些指导与帮助，我对此很是感谢。
其次，我要感谢我的各位舍友、同学以及在学校认识的各位朋友们在生活和学习中给我的帮助和支持，因为他们的存在，我的大学生活才会这样丰富快乐、多姿多彩。
最后，我要特别感谢在成长路上给我无私关爱和奉献的父母跟家人，他们一直在我的身后默默支持和关心着我，感谢他们的关心使我逐渐成长起来，给予我完成论文的无限信心和动力。
由衷感谢百忙中抽出时间评审论文和参加答辩的各位老师！
本 科 毕 业 设 计
第 28 页 共 32 页
参考文献
1 周开利, 康耀红. 神经网络模型及其 MATLAB仿真程序设计. 清华大学出版社, 2 章毓晋. 图像工程（上册）图像处理.清华大学出版社2003 3 陈爱斌. 基于特征车的汽车车型识别.2004(5).
4 余静, 游志胜. 自动目标识别与跟踪技术研究综述. 2005 . 5 袁曾任. 人工神经元网络及其应用.清华大学出版社,1999. 6 杨利英, 覃征, 王向华. 多分类器融合实现机型识别.2004. 7 陶云刚, 周洁敏等. 人工神经网络在智能结构中的应用研究.1997 . 8 王明哲, 吴皓, 周丰. 基于地磁的车型识别模糊数据融合方法研究.2008. 9 周晓红. 基于BP神经网络分类器的汽车车型识别方法.2003 10 王齐, 基于视频图像的交通监控系统研究.西北工业大学.2005 11 沈勇武, 基于图像识别的车型自动分类系统.浙江大学, 2008. 12 余孔梁, 基于图像的车型识别研究技术.浙江大学,2008
13 吴志攀. 汽车车型识别系统中的图形图像预处理技术研究.中南大学,2006 14 张智星, 孙春在. 神经- 模糊和软计算.西安交通大学出版社,2002. 15 刘玉铭, 白明. 模糊模式识别理论在车型识别中的应用. 道路交通与安全,2001
16 周正杰, 王润生. 基于轮廓的形状特征提取与识别方法. 计算机工程与应用, 2006
17 李英举，李娟.基于MATLAB图像处理车型分类仿真研究.长安大学电控学院，2010 18 陈阳，基于MATLAB进行数字图像的边缘检测算法研究.伍邑大学信息学院，2008 19 王丽娟，基于Gabor变换和BP神经网络的人脸检测算法的Matlab实现.郑州轻工业学院学报（自然科学版）.2010
20 王吉全，BP神经网络的理论及其在农业机械化中的应用研究.沈阳农业大学.2011 21 李萍，曾令可等，基于MATLAB的BP神经网络预测系统的设计.计算机应用于软件.2008.4
22 Canny．A Computational Approach to Edge Detection[J]. IEEE
本 科 毕 业 设 计
第 29 页 共 32 页
Tram．PatternAnalysis andMachine Intelligence， 8：679-7 14，2008． 23 M．Fathy ,M．Y．Siyal．Image Segmentation using Probablistic Fuzzy C—Means Clustering[J]．2007
24 Otsu N.A threshold selection method from gray level histograms.IEEE Trans SMC. 2010,9
25 Igor Kuzmanovski,Marjana Novic. Counter-propagation neural networks in Matlab. 2007,4
本 科 毕 业 设 计
程序附录
clear clear all
%对背景图像做预处理
A=imread('img.jpg');%背景图像 i0=rgb2gray(A); figure(1),imshow(i0); i1=medfilt2(i0,[3 3]); figure(2),imshow(i1); %训练神经网络
第 30 页 共 32 页
P = [2.5585, 2.5419, 2.5644, 2.5361, 2.5742, 2.5984, 2.7140, 2.7055, 2.7308, 2.7271, 2.7241, 2.7019, 2.8715, 2.8549, 2.8321, 2.8426, 2.8481, 2.8205];%输入
T = [0 0 0 0 0 0 1 1 1 1 1 1 2 2 2 2 2 2];%输出
net=newff(minmax(P),[1,1],{'logsig','purelin'},'traingdx'); net.trainParam.show=50;%显示中间结果的周期 net.trainParam.lr=0.1;%学习率
net.trainParam.epochs=200;%最大迭代次数
net.trainParam.goal=0.01;%神经网络训练的目标误差 [net,tr]=train(net,P,T);%网络训练函数 %循环读入图像并处理识别
str='C:\\Users\\lenovo\\Documents\\MATLAB\\'; n=1;
u=0;%车辆计数变量 for i=1:n
h=system(['dir ', [str,num2str(i),'.jpg'], ' 1>t1 2>t2']);%检验待检测图像是否存在
if h==0
I=imread([str,num2str(i),'.jpg']); %依次读取每一幅图像 %对读入的图像做预处理处理