基于特征提取的交通数据处理与软件设计
发布时间：2021-02-07 10:48
近年来,人均汽车保有量的显著增长带来了交通压力大、交通事故频发、道路交通环境日趋恶劣等问题。为此,一种基于视频分析的实时车辆检测技术逐渐应用于道路交通监测中。然而,现有的交通监测系统只针对单一车道进行车辆检测,并不能满足对城市主干道路统一实时监控的需求。因此,本文提出一种高效实时的基于HOG特征的车辆检测算法,并针对主干道路进行ROI区域划分,同时设计了车辆轨迹数据处理模型,实现了一套能够实时检测车辆、计算交通流参数、判别道路事件的车辆检测系统。本文具体研究内容及成果如下:（1）本文研究复杂道路背景下的车辆检测系统,提出基于HOG特征的目标检测算法,准确率为89.12%。利用积分图计算方法,提升HOG特征计算速率。为满足高并发实时检测的需求,提出基于模式匹配的图像预处理方法,该方法能够自动确定ROI区域,剔除非道路背景图像,有效提高了检测算法的处理速度。改进的目标检测算法的准确率为92.87%,平均检测速度提升至22.62ms/帧。（2）本文对车辆检测系统中交通数据处理方法进行了分析与研究。针对多变的应用场景提出了改进的虚拟线圈法,通过线圈过滤误检轨迹点准确率提升至94.62%。同时提...
【文章来源】：北方工业大学北京市
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图２－４?ＨＯＧ特征图像描述元素??
程中是从三方面对图像进行描述［２９：■。首先是滑动窗口，用于描述物体的最小尺度；??其次是Ｃｅｌｌ，用于提取局部图像的方向和梯度信息，划分成九个区域的方向梯度；??最后是Ｂｌｏｃｋ，用于生成图像的特征向量，如图２－４所示。??匪一Ｊ－ＣｅＵ?）??ｒ－￣－?ｉ?ｉ＼??■＇?—Ｂｌｏｃｋ?ｒ－，??一滑动窗口???Ｖ??检测图像??图２－４?ＨＯＧ特征图像描述元素??由上图可知，ＨＯＧ的特征是通过Ｂｌｏｃｋ进行滑动扫描得到的。整个ＨＯＧ特??征提取的过程包括图像预处理、计算梯度、计算统计直方图、归一化等几个过程。??首先读入待检图像进行图像预处理，由于系统应用环境为全天候检测，因此??采用Ｇａｍｍａ滤波ｔ３（）］旨在减小光照变化的影响。其次进行梯度计算。通过模值和??相角计算公式可以得到每个像素的模值和方向。考虑到系统对计算速率有较高要??求，本文选择简单的一阶模板进行模板匹配，最终得到梯度图像。计算统计方向??直方图，将上一步计算得到的梯度图像划分为若干个Ｃｅｌｌ，每个Ｃｅｌｌ生成一个９??维的方向梯度直方图。为了提高算法抗千扰性，将多个Ｃｅｌｌ组合成一个更大的??Ｂｌｏｃｋ，并进行归一化。利用Ｂｌｏｃｋ在图像中进行重叠扫描，通过组合Ｂｌｏｃｋ的特??征值可以得到滑动窗口的特征值。最后将特征进行归一化
倾
【参考文献】：
期刊论文
[1]从孟塞尔颜色空间到RGB的转换[J]. 龚睿琪,盛建平. 工业控制计算机. 2019(01)
[2]基于LBP的人脸图像识别检索算法[J]. 付念. 电子世界. 2018(23)
[3]我国道路交通事故现状分析与预警体系搭建构想[J]. 郑晓鸿. 智能城市. 2018(21)
[4]多特征融合的行人检测算法[J]. 程德强,冯晨晨,唐世轩,游大磊. 煤炭技术. 2018(10)
[5]论我国城市交通管理中存在问题与对策[J]. 姚铃. 计算机产品与流通. 2018(08)
[6]一种基于多特征融合级联分类器的车辆检测算法[J]. 周行,陈淑荣. 现代计算机(专业版). 2018(17)
[7]基于运动目标轨迹的高速公路异常事件检测算法研究[J]. 隋靓,党建武. 计算机应用与软件. 2018(01)
[8]2017年全国发生重大交通安全事故案例分析[J]. 冠墩. 安全与健康. 2017(12)
[9]基于改进CS算法的二维Ostu快速图像分割[J]. 高宏进,王力,龚维印,杨幸. 通信技术. 2017(12)
[10]基于非关系型数据库的卫星参数存储与处理[J]. 杨扬笛,吴海燕,李虎. 计算机技术与发展. 2018(02)
博士论文
[1]监控视频中的异常行为检测研究[D]. 叶芳芳.浙江大学 2014
[2]云环境中典型应用的I/O优化策略研究[D]. 李弋.复旦大学 2012
[3]基于物理属性的城市快速路交通流特征参数模型[D]. 赵娜乐.北京交通大学 2010
硕士论文
[1]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[2]基于FPGA+ARM的车载行人检测系统设计与实现[D]. 邓健峰.广东工业大学 2018
[3]基于单目视频的车辆测速研究[D]. 潘振军.西南交通大学 2017
[4]侧风对大跨度桥梁行车安全的影响机理及管控方法研究[D]. 尹宏程.合肥工业大学 2017
[5]间断流速度—密度模型及基于联合参数的交通流状态预测研究[D]. 张佳节.华中科技大学 2016
[6]车辆频繁换道对道路行车效率与安全影响研究[D]. 杨俊.长安大学 2016
[7]基于视频图像的交通事件自动检测系统关键算法研究[D]. 林浪桥.华南理工大学 2013
[8]基于视频的交通参数检测与分析[D]. 楼俊杰.大连交通大学 2013
[9]基于视频的车辆速度检测方法研究[D]. 袁河洋.大连海事大学 2013
[10]一种分布式服务框架的设计与实现[D]. 陶明.北京邮电大学 2013
本文编号：3022113
【文章来源】：北方工业大学北京市
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图２－４?ＨＯＧ特征图像描述元素??
程中是从三方面对图像进行描述［２９：■。首先是滑动窗口，用于描述物体的最小尺度；??其次是Ｃｅｌｌ，用于提取局部图像的方向和梯度信息，划分成九个区域的方向梯度；??最后是Ｂｌｏｃｋ，用于生成图像的特征向量，如图２－４所示。??匪一Ｊ－ＣｅＵ?）??ｒ－￣－?ｉ?ｉ＼??■＇?—Ｂｌｏｃｋ?ｒ－，??一滑动窗口???Ｖ??检测图像??图２－４?ＨＯＧ特征图像描述元素??由上图可知，ＨＯＧ的特征是通过Ｂｌｏｃｋ进行滑动扫描得到的。整个ＨＯＧ特??征提取的过程包括图像预处理、计算梯度、计算统计直方图、归一化等几个过程。??首先读入待检图像进行图像预处理，由于系统应用环境为全天候检测，因此??采用Ｇａｍｍａ滤波ｔ３（）］旨在减小光照变化的影响。其次进行梯度计算。通过模值和??相角计算公式可以得到每个像素的模值和方向。考虑到系统对计算速率有较高要??求，本文选择简单的一阶模板进行模板匹配，最终得到梯度图像。计算统计方向??直方图，将上一步计算得到的梯度图像划分为若干个Ｃｅｌｌ，每个Ｃｅｌｌ生成一个９??维的方向梯度直方图。为了提高算法抗千扰性，将多个Ｃｅｌｌ组合成一个更大的??Ｂｌｏｃｋ，并进行归一化。利用Ｂｌｏｃｋ在图像中进行重叠扫描，通过组合Ｂｌｏｃｋ的特??征值可以得到滑动窗口的特征值。最后将特征进行归一化
倾
【参考文献】：
期刊论文
[1]从孟塞尔颜色空间到RGB的转换[J]. 龚睿琪,盛建平. 工业控制计算机. 2019(01)
[2]基于LBP的人脸图像识别检索算法[J]. 付念. 电子世界. 2018(23)
[3]我国道路交通事故现状分析与预警体系搭建构想[J]. 郑晓鸿. 智能城市. 2018(21)
[4]多特征融合的行人检测算法[J]. 程德强,冯晨晨,唐世轩,游大磊. 煤炭技术. 2018(10)
[5]论我国城市交通管理中存在问题与对策[J]. 姚铃. 计算机产品与流通. 2018(08)
[6]一种基于多特征融合级联分类器的车辆检测算法[J]. 周行,陈淑荣. 现代计算机(专业版). 2018(17)
[7]基于运动目标轨迹的高速公路异常事件检测算法研究[J]. 隋靓,党建武. 计算机应用与软件. 2018(01)
[8]2017年全国发生重大交通安全事故案例分析[J]. 冠墩. 安全与健康. 2017(12)
[9]基于改进CS算法的二维Ostu快速图像分割[J]. 高宏进,王力,龚维印,杨幸. 通信技术. 2017(12)
[10]基于非关系型数据库的卫星参数存储与处理[J]. 杨扬笛,吴海燕,李虎. 计算机技术与发展. 2018(02)
博士论文
[1]监控视频中的异常行为检测研究[D]. 叶芳芳.浙江大学 2014
[2]云环境中典型应用的I/O优化策略研究[D]. 李弋.复旦大学 2012
[3]基于物理属性的城市快速路交通流特征参数模型[D]. 赵娜乐.北京交通大学 2010
硕士论文
[1]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[2]基于FPGA+ARM的车载行人检测系统设计与实现[D]. 邓健峰.广东工业大学 2018
[3]基于单目视频的车辆测速研究[D]. 潘振军.西南交通大学 2017
[4]侧风对大跨度桥梁行车安全的影响机理及管控方法研究[D]. 尹宏程.合肥工业大学 2017
[5]间断流速度—密度模型及基于联合参数的交通流状态预测研究[D]. 张佳节.华中科技大学 2016
[6]车辆频繁换道对道路行车效率与安全影响研究[D]. 杨俊.长安大学 2016
[7]基于视频图像的交通事件自动检测系统关键算法研究[D]. 林浪桥.华南理工大学 2013
[8]基于视频的交通参数检测与分析[D]. 楼俊杰.大连交通大学 2013
[9]基于视频的车辆速度检测方法研究[D]. 袁河洋.大连海事大学 2013
[10]一种分布式服务框架的设计与实现[D]. 陶明.北京邮电大学 2013
本文编号：3022113
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3022113.html
