基于视频的车辆信息提取与检索技术在当代交通监控领域具有非常重要的意义,在智能交通、数字化城市等方面均有广阔的应用前景。本文主要基于卡口采集视频进行研究,实现了车辆检测、车辆特征信息提取、车辆检索、数据查询等功能,主要包括以下几个方面:(1)车辆检测技术研究。针对视频背景复杂多变的情况,提出了一种改进均值法的背景提取方法,并且不断更新,使背景精确稳定,在提高算法效果的同时保证实时性。本文采用基于轮廓的车辆检测方法,使用背景差分、链码分割、凸包优化的方法提取车辆轮廓,进而检测出车辆。由于本文采用全局检测的方法,能够检测不同方向行驶的车辆,适应性更广。(2)车辆信息提取技术研究。研究了颜色提取和车型识别技术,通过Haar变换获取包含颜色信息的低频区域,将RGB空间转换为HSI颜色空间,提取颜色直方图,再结合BP神经网络获取车辆颜色。根据视频中提取的车辆面积周长等属性,结合HOG特征、SVM分类器识别车型。(3)车辆检索算法研究。研究基于图片特征的车辆检索,针对SIFT特征不具有对称不变性的问题,对SIFT特征进行改进,形成了 ISIFT特征,该特征保留了 SIFT的优点并具有对称不变性,同时讨论了减少特征点错误匹配的方法。针对检索速度较慢的问题,本文研究了 pHash特征,并将其和ISIFT结合,提升某些情况下的检索速度。(4)软件设计与实现。以上述研究的算法为基础,设计并实现了车辆特征信息提取与管理软件,实现了基于视频的车辆检测、信息提取、数据库管理、图像检索等功能,最后通过几段视频对软件进行了功能测试和性能测试。