基于云计算的道路视频信息分析系统的研究

发布时间：2020-05-08 06:36

【摘要】：随着我国经济和技术的发展,道路上的车流量大大增加,对于道路上的车辆进行监控采用传统的人工方法已经不能满足需求。针对这一问题,本文将车型识别技术和云计算技术相结合,通过流媒体视频传输的方式实时处理统计道路上的车型情况,并将结果发布到网页上,方便相关部门和公众获取道路信息。实验的结果显示,该系统能够有效实时的处理道路上的监控视频信息,并且车型识别的速率和准确率也满足设计指标,整体运行情况良好。本文的主要研究内容如下:(1)流媒体视频传输技术协议及实现。为了实现将道路监控视频实时传输到处理平台,本文运用了流媒体传输的技术,通过DirectShow技术实现采集端视频信息的采集,并且通过H.264编码方式实现了视频图像的编码,最后通过流媒体服务器Nginx-rtmp和流媒体传输协议RTMP实现编码视频信息的转发,主控平台接收并存储转发的信息。(2)车辆图像的车型识别算法。采用了多尺度融合特征的新算法来对车型进行分类,具体是在多尺度情况下,获取图像的Hu矩和LBP特征,通过融合这两种特征作为融合特征来识别车型。(3)云计算Hadoop平台的搭建。本文研究了Hadoop平台的搭建,构建了云计算中分布式计算框架MapReduce函数的结构设计,将车型识别有效的和云计算相结合,提高了车型图像的处理速度,满足了对视频图像识别速度的设计指标。
【图文】：

要是用于差分运算的背景帧容易受到外界天气的影响，这些影响因素如果不考虑将去，在最后识别中就会造成提取出的车辆图像失真，不利于后续车型识别的特征提识别。． 车辆提取特征（1）局部二值模式LBP（Local Binary Pattern，局部二值模式）是由 T. Ojala, M.Pietik inen 和 D. Harw位科研人员在 1994 年发明的一种非常有效的描述图像纹理特征的算子，该算子在图像的局部纹理特征上具有非常良好的旋转不变性和灰度不变性[81]。最先发明的 LBP 算子是在3 3的一个窗口内定义的，而中心值作为整个窗口的阈值，除中心值之外的八个像素的灰度值和阈值进行差分计算，如果差分值大于 该像素点设定为 1，差分值小于 0 则设定为 0。在这样的窗口内最后能形成一个八二进制数，也可以表示成为十进制的 LBP 码，总共 256 种变换，最终这个值作为像素点的 LBP 值，能够用来描述窗口图像的纹理特征。具体过程如下图 4.2 所示

哈尔滨工程大学硕士学位论文围被固定，这样就不能处理不同尺寸和不同频率下的纹理特征限问题，，研究人员对原始的 LBP 算子做出了诸多的改进和优不同于立方体形状的圆形来做为领域，这种算子被命名为圆形形算子拓展为了旋转不变的 LBP 算子，也就是说一组圆形 LB转不变的，取最小值为 LBP 值[83]。下图 4.3 为几种 LBP 算子：
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U495

【相似文献】

相关期刊论文 前10条

1 王鹏;郭朋军;郭建宇;;激光车型识别技术研究和应用[J];中国交通信息化;2019年S1期

2 李勇;张玮;;基于多维视频技术的车型识别系统[J];中国交通信息化;2017年12期

3 宋俊芳;;基于3D模型的精确车型识别[J];智能城市;2018年08期

4 汤锐;刘玉锦;;车型识别技术在打击高速公路逃费中的应用[J];中国交通信息化;2017年10期

5 颜卓旺;;基于历史数据的车型识别方案[J];中国交通信息化;2012年03期

6 江卫强;;Freeman编码及其在车型识别中的应用[J];机械工业自动化;1988年03期

7 费东炜;孙涵;;一种基于Bilinear-HashNet网络的车型识别方法[J];小型微型计算机系统;2019年08期

8 康s顂

本文编号：2654281