基于视频的夜间车辆识别与跟踪的方法研究
发布时间：2021-05-25 07:30
随着社会经济的发展,交通需求的增加,由于交通供给不足和自然资源的制约,城市交通出现了交通拥堵、交通安全、环境污染等问题。这些问题的解决不能单纯的通过增加交通供给、交通限制来实现,必须以全方位的、智能的交通管控来予以解决。进行智能的交通管控,则必须进行交通数据采集。车辆识别是众多交通数据,如交通流量、违章信息等的基础,因此进行车辆检测和跟踪是实现智能交通管控的前提条件。由于夜间光照不充足,车辆的结构特征、颜色特征难以获取,加上晚上路灯、车灯等产生的各种反光,夜间道路环境复杂,这都使得夜间车辆的检测和跟踪非常困难。本文围绕夜间道路、车辆特征、车辆检测和跟踪展开如下工作:1)研究夜间道路特性,夜间道路因来车影响,图像局部强度会产生剧变,同时由于车灯强弱不一,颜色也会有较大的差异,在统计分析的基础上本文提出了一种基于统计帧差法进行图像处理,能有效地消除局部光照、颜色突变的情况,为后续的背景建模打下基础;2)针对夜间道路存在反光等情况,本文使用高斯混合背景模型构建道路的夜间背景模型,在此基础上用背景减法提取运动车辆;3)研究车辆夜间的特征,提出了基于颜色和形状的尾灯特征,针对HIS空间中H在低照...
【文章来源】：天津职业技术师范大学天津市
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 本文研究的目的和意义
1.2 国内外研究现状
1.3 本课题的主要内容
1.4 本文组织结构
第二章 夜间视频特征分析及变换
2.1 夜间道路视频特点
2.2 基于统计帧差法去除局部光照影响的方法
2.3 小结
第三章 建立夜间道路背景模型
3.1 运动车辆检测
3.1.1 帧间差分法
3.1.2 光流法
3.1.3 背景差分法
3.2 车辆图像的处理
3.2.1 图像二值化阈值
3.2.2 图像形态学
3.3 常用的典型背景建模
3.3.1 均值滤波算法
3.3.2 中值滤波算法
3.3.3 单高斯背景模型
3.3.4 混合高斯建模
3.4 背景模型比较
3.5 小结
第四章 夜间车辆识别
4.1 车辆夜间特征
4.2 车辆夜间特征提取
4.2.1 颜色空间
4.2.2 阈值的选择
4.3 小结
第五章 基于mean-shift跟踪算法
5.1 基于mean shift跟踪算法介绍
5.2 概率密度估计
5.2.1 参数密度估计
5.2.2 无参数密度估计
5.3 核函数密度估计
5.3.1 mean shift算法的基本向量及拓展
5.3.2 概率密度梯度
5.3.3 mean shift算法实现与收敛
5.4 mean shift算法在目标跟踪中的应用
5.4.1 建立目标模型
5.4.2 建立目标候选模型
5.4.3 相似性度量函数
5.4.4 运动目标跟踪
5.5 小结
第六章 基于虚拟线圈的检测系统及实验分析
6.1 系统框架设计
6.2 过程实现
6.2.1 车流量检测道路模型
6.2.2 虚拟线圈及检测区域的设置
6.3 实验结果及分析
第七章 总结
参考文献
致谢
【参考文献】：
期刊论文
[1]基于特征融合的视觉导航智能车辆的车道识别[J]. 李进,陈杰平,易克传,徐朝胜. 汽车工程. 2015(05)
[2]夜间车流量检测算法中路面反射光的消除方法[J]. 欧阳韬,朱明旱. 电子设计工程. 2014(20)
[3]基于自适应特征选择的夜间运动车辆检测算法[J]. 朱韶平. 吉首大学学报(自然科学版). 2013(06)
[4]基于团块几何和位置特征的夜间前方车辆检测方法[J]. 肖志涛,王悦,耿磊,张芳. 河北工业大学学报. 2013(05)
[5]基于亮度累加直方图的夜间车辆检测算法[J]. 孙晓艳,王健,王建强,郭君斌. 计算机工程. 2013(06)
[6]基于尾灯跟踪的夜间车辆检测[J]. 祁秋红,陈启兴. 通信技术. 2012(10)
[7]夜间环境交通数据采集系统设计与实现[J]. 徐文聪,刘海. 测控技术. 2012(06)
[8]利用D-S证据理论的夜间车辆检测[J]. 欧志芳,安吉尧,周芳丽. 计算机应用研究. 2012(05)
[9]基于视频的夜间车流量统计[J]. 刘莉,潘晓露,李一民. 微处理机. 2012(01)
[10]Railway intelligent transportation system and its applications[J]. Qin Yong,Jia Limin,Zhang Yuan (State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044,China). Engineering Sciences. 2011(01)
博士论文
[1]交通状态视觉识别方法研究[D]. 毕松.北京邮电大学 2012
[2]基于图像分析的自然彩色夜视成像方法研究[D]. 谷小婧.东华大学 2011
硕士论文
[1]基于MeanShift的视频目标跟踪算法研究[D]. 郑建.兰州理工大学 2018
[2]基于视频的车辆检测与跟踪方法研究[D]. 武晓洁.长安大学 2018
[3]基于RGB颜色空间的彩色图像灰度化算法研究[D]. 郭丽.陕西师范大学 2017
[4]基于Meanshift算法的视频跟踪分析与改进[D]. 李慧霞.太原科技大学 2017
[5]基于夜间交通视频的车辆检测与跟踪[D]. 冯毅超.北京交通大学 2016
[6]基于MeanShift的视频目标跟踪算法研究[D]. 张铁明.燕山大学 2016
[7]基于视频的车辆跟踪及车流长度检测算法研究[D]. 薛晓铂.湖南大学 2016
[8]基于MeanShift的运动目标检测与跟踪研究[D]. 徐骁翔.浙江工业大学 2015
[9]基于视频的车流量检测系统的设计与实现[D]. 杨后超.四川师范大学 2014
[10]基于视频的车辆检测与跟踪算法的研究与实现[D]. 刘汉艳.南京邮电大学 2012
本文编号：3204943
【文章来源】：天津职业技术师范大学天津市
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 本文研究的目的和意义
1.2 国内外研究现状
1.3 本课题的主要内容
1.4 本文组织结构
第二章 夜间视频特征分析及变换
2.1 夜间道路视频特点
2.2 基于统计帧差法去除局部光照影响的方法
2.3 小结
第三章 建立夜间道路背景模型
3.1 运动车辆检测
3.1.1 帧间差分法
3.1.2 光流法
3.1.3 背景差分法
3.2 车辆图像的处理
3.2.1 图像二值化阈值
3.2.2 图像形态学
3.3 常用的典型背景建模
3.3.1 均值滤波算法
3.3.2 中值滤波算法
3.3.3 单高斯背景模型
3.3.4 混合高斯建模
3.4 背景模型比较
3.5 小结
第四章 夜间车辆识别
4.1 车辆夜间特征
4.2 车辆夜间特征提取
4.2.1 颜色空间
4.2.2 阈值的选择
4.3 小结
第五章 基于mean-shift跟踪算法
5.1 基于mean shift跟踪算法介绍
5.2 概率密度估计
5.2.1 参数密度估计
5.2.2 无参数密度估计
5.3 核函数密度估计
5.3.1 mean shift算法的基本向量及拓展
5.3.2 概率密度梯度
5.3.3 mean shift算法实现与收敛
5.4 mean shift算法在目标跟踪中的应用
5.4.1 建立目标模型
5.4.2 建立目标候选模型
5.4.3 相似性度量函数
5.4.4 运动目标跟踪
5.5 小结
第六章 基于虚拟线圈的检测系统及实验分析
6.1 系统框架设计
6.2 过程实现
6.2.1 车流量检测道路模型
6.2.2 虚拟线圈及检测区域的设置
6.3 实验结果及分析
第七章 总结
参考文献
致谢
【参考文献】：
期刊论文
[1]基于特征融合的视觉导航智能车辆的车道识别[J]. 李进,陈杰平,易克传,徐朝胜. 汽车工程. 2015(05)
[2]夜间车流量检测算法中路面反射光的消除方法[J]. 欧阳韬,朱明旱. 电子设计工程. 2014(20)
[3]基于自适应特征选择的夜间运动车辆检测算法[J]. 朱韶平. 吉首大学学报(自然科学版). 2013(06)
[4]基于团块几何和位置特征的夜间前方车辆检测方法[J]. 肖志涛,王悦,耿磊,张芳. 河北工业大学学报. 2013(05)
[5]基于亮度累加直方图的夜间车辆检测算法[J]. 孙晓艳,王健,王建强,郭君斌. 计算机工程. 2013(06)
[6]基于尾灯跟踪的夜间车辆检测[J]. 祁秋红,陈启兴. 通信技术. 2012(10)
[7]夜间环境交通数据采集系统设计与实现[J]. 徐文聪,刘海. 测控技术. 2012(06)
[8]利用D-S证据理论的夜间车辆检测[J]. 欧志芳,安吉尧,周芳丽. 计算机应用研究. 2012(05)
[9]基于视频的夜间车流量统计[J]. 刘莉,潘晓露,李一民. 微处理机. 2012(01)
[10]Railway intelligent transportation system and its applications[J]. Qin Yong,Jia Limin,Zhang Yuan (State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044,China). Engineering Sciences. 2011(01)
博士论文
[1]交通状态视觉识别方法研究[D]. 毕松.北京邮电大学 2012
[2]基于图像分析的自然彩色夜视成像方法研究[D]. 谷小婧.东华大学 2011
硕士论文
[1]基于MeanShift的视频目标跟踪算法研究[D]. 郑建.兰州理工大学 2018
[2]基于视频的车辆检测与跟踪方法研究[D]. 武晓洁.长安大学 2018
[3]基于RGB颜色空间的彩色图像灰度化算法研究[D]. 郭丽.陕西师范大学 2017
[4]基于Meanshift算法的视频跟踪分析与改进[D]. 李慧霞.太原科技大学 2017
[5]基于夜间交通视频的车辆检测与跟踪[D]. 冯毅超.北京交通大学 2016
[6]基于MeanShift的视频目标跟踪算法研究[D]. 张铁明.燕山大学 2016
[7]基于视频的车辆跟踪及车流长度检测算法研究[D]. 薛晓铂.湖南大学 2016
[8]基于MeanShift的运动目标检测与跟踪研究[D]. 徐骁翔.浙江工业大学 2015
[9]基于视频的车流量检测系统的设计与实现[D]. 杨后超.四川师范大学 2014
[10]基于视频的车辆检测与跟踪算法的研究与实现[D]. 刘汉艳.南京邮电大学 2012
本文编号：3204943
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3204943.html
