基于视频的车辆检测技术研究

发布时间：2021-01-05 02:57

　　面对日益增长的车辆数量,人们的出行不便,财产和人身安全受到威胁。智能交通系统能在一定程度上解决这种问题,提升人们的生活品质,因此受到了广泛的研究关注。视频中车辆检测算法,拥有成本低、运算快、准确度高等优点,是智能交通系统的技术核心,与其它检测手段（如激光雷达,传感器检测）配合完成任务。研究车辆检测算法具有重要意义。视频中车辆检测容易受到光照变化、树木的阴影、以及其它车辆等外部环境的干扰。针对以上问题,本文提出了改进像素自适应分割算法,并用于感兴趣区域的确认。改进的像素自适应分割算法通过减小决策阈值、减小学习率和融合梯度区域信息来减少算法的计算复杂度。提出前景累积计数规律和重影消除的策略,综合提升了现有像素自适应分割算法的性能。针对单一Haar-like特征检测率低,光照鲁棒性差的问题。提出Haar-like和HOG的融合特征,并使用Adaboost+SVM分类器进行分类,减少了分类器层数和检测时所需的特征数。针对基本的Haar-like特征和HOG特征检测率低,运算复杂度高的问题,提出基于聚类的Haar-like特征算子的车辆检测方法和基于稀疏性的HOG特征算子的车辆检测方法。通过对不... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

车辆检测步骤假设生成方法是为了找到图片中车辆可能的位置，目前已有的假设生成的方法可

图 2-1 两帧差分法原理图 2-1，表示相邻的两帧的输入图片，首先把两者进行相减，得到差分的结果。所得出的结果与预设的阈值 T 的大小关系，得到一个二值图像。运动的前景过不断地连续变化所判断出来的，我们所得到的差分结果和二值图像，用以来表示：1( , ) | ( , ) ( , ) |n n nDx y I x y I x y (21 ( , )( , )0 ( , )nnnD x y Tf x yD x y T (2式(2–1)中，第n 帧和第 n 1帧图像中一个像素点的像素值用nI 和n1I 表示, ) y 表示的是差分结果。公式(2-2)中， ( , )nf x y 表示的是前景的二种结果，T 为好的阈值，通过判断 ( , )nf x y 的值，确定该像素点为前景还是背景。当 ( ,nf x 1 的时候，判断该像素点为前景，当 ( , )nf x y 等于 0 的时候，判断该像素点为

西南交通大学硕士研究生学位论文第8页两次差分，最后做与运算，最终的差分结果用公式表示。帧差法的优点有，原理相单，计算量小，实时性好等特点，对于静态的背景场景，检测效果十分优秀。它的点为，当实际场景比较复杂，背景变化比较大的时候，帧差法的检测效果明显降。


本文编号：2957883