运动车辆目标检测与实时跟踪方法研究

发布时间：2020-05-04 18:12

【摘要】：在智能交通系统中,运动车辆一直是重要的研究对象。为了准确并快速地检测、识别与跟踪行驶的车辆,本文提出了一种对运动车辆检测、识别和跟踪的方法。为了能够比较准确地判断出不同类型的运动车辆如大车和小车,提出了基于样本车辆跟踪框和质心像素纵坐标的自标定方法并给出了对大车和小车的定义。该方法用来为识别运动车辆并判断大车和小车提供标准,具体步骤是先将预先获得的小样本车辆在一定范围内跟踪框的宽高比作为识别运动车辆的依据,然后,将跟踪框的宽度值和车辆质心的像素纵坐标值作为判断大车和小车的参照。再选择某一大样本车辆,通过大样本车辆的相关数据来验证利用小样本车辆对大车的识别和判断是否正确。在对比了基于全局的自适应阈值Otsu算法和基于局部的自适应阈值Niblack算法和Sauvola算法对图像二值化的效果图之后,分别采用均值滤波、中值滤波和高斯滤波对产生的二值图像进行去噪处理,得出基于全局的Otsu算法的二值化效果好于局部阈值二值化方法的结论。然后,针对Otsu算法的缺陷,即在车辆检测后某些车辆轮廓间断、不易辨认,对Otsu算法进行了改进。在验证了改进的Otsu算法的优越性后选取该改进算法作为本文的自适应二值化阈值方法。另外,由于均值背景建模快速高效,得出的目标前景图质量较好,故选取均值背景建模方法作为本文建模背景的方法。在基于连通区域跟踪运动车辆的过程中,提出了识别视频图像中运动车辆数量的方法。然后,根据Harris角点检测算法的稳定性和准确性选取该算法作为本文跟踪车辆方法的核心。该跟踪方法将特征角点分布区域的中心点作为跟踪运动车辆的基础并用自适应车辆大小的跟踪框定位车体。在样本车辆跟踪框和质心像素纵坐标的自标定方法和对大小车的定义基础上,通过实验首先准确地判定出了目标物体是运动车辆,然后识别出了不同类型的运动车辆并验证了该方法的可行性与准确性,证明了本文的相关算法能够迅速准确地检测、识别并跟踪运动车辆。
【图文】：

摄像机成像模型

图像坐标系
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495;TP391.41

【参考文献】

相关期刊论文 前5条

1 张东;覃凤清;曹磊;刘书君;;基于中值滤波的椒盐含噪图像去噪方法[J];宜宾学院学报;2014年06期

2 苏礼坤;陈怀新;;中值滤波的视频背景更新[J];光电工程;2010年01期

3 宋少娜;项辉宇;;板料零件应变测量的网格图像处理[J];北京工商大学学报(自然科学版);2008年05期

4 刘晓芳;程丹松;刘家锋;管宁;;采用改进HSI模型的车牌区域检测和定位方法[J];哈尔滨工业大学学报;2008年01期

5 彭春华;刘建业;刘岳峰;晏磊;郑江华;;车辆检测传感器综述[J];传感器与微系统;2007年06期

相关博士学位论文 前1条

1 丁南南;基于特征点的图像配准技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

相关硕士学位论文 前10条

1 李婷;人手背静脉血管身份识别技术研究[D];西北大学;2017年

2 史颖;基于视频检测的车辆变道轨迹识别方法研究[D];苏州科技大学;2017年

3 庄一玮;基于机器视觉的车位状态检测研究[D];长安大学;2017年

4 孙丽婷;基于视频的停车与抛落物事件检测算法研究[D];长安大学;2017年

5 葛丰增;基于轮廓特征的中远距离空间目标姿态测量[D];重庆大学;2017年

6 郭晓光;交通视频中车辆多目标跟踪与特征提取的研究[D];天津工业大学;2017年

7 韩艺;基于视频图像的运动车辆检测与跟踪算法研究[D];哈尔滨工业大学;2015年

8 张江雯;皮革轮廓智能跟踪及测量的技术研究[D];浙江工业大学;2015年

9 王丽;基于改进混合高斯模型的运动车辆检测技术[D];华南理工大学;2015年

10 张雨;基于视觉信息融合的驾驶员疲劳检测技术研究[D];上海师范大学;2014年

，

本文编号：2648793