19、车辆识别与跟踪及分布式指纹识别系统技术解析

车辆识别与跟踪及分布式指纹识别系统技术解析

车辆识别与跟踪技术

在车辆识别领域，实验对不同情况下的车辆识别准确性进行了研究。测试图像既包含从互联网下载的高分辨率车辆图像，也有从交通视频中截取的低分辨率图像。在相关系统中，图像越清晰，能提取的局部特征就越多，识别结果也就越精确。

以图 4 为例，其 x 轴代表大灯边缘图像中的特征点数量，y 轴代表识别准确率。不同图例的线条表示车辆正面的特征点数量。大灯边缘图像的特征点数量和车辆正面的局部特征数量都与图像清晰度相关。当大灯边缘图像的特征点数量大于 20，或者车辆正面的特征点数量大于 200 时，识别准确率较为理想。

为验证多摄像头平台的有效性，研究采用并分析了华中科技大学校园安全监控系统中 23 个摄像头的一批车辆监控视频。图 5(b)展示了一辆被跟踪车辆（白色本田 SUV）的轨迹，这表明基于 Hadoop 的多摄像头平台能够很好地跟踪车辆目标。

在车辆类型识别方面，设计并实现了一种新的识别方法，该方法通过车辆正面图像来区分车辆类型，并结合 LBP、HOG 应用于多摄像头交通视频监控平台。整个摄像头网络的处理过程基于子图划分和 Hadoop 集群进行并行化。实验结果显示，对 SURF 的改进能够提升算法性能，识别准确率可满足实际应用需求，多摄像头系统的跟踪效果也令人满意。

分布式指纹识别系统 DFIS

指纹识别在各种生物识别系统中得到了广泛应用。然而，随着指纹识别系统的快速发展，系统中存储的指纹信息量急剧增加，传统的单机系统和关系型数据库在高效、稳定地处理和存储指纹信息方面面临挑战。

为此，提出了一种可扩展的分布式指纹识别系统 DFIS。它将特征提取过