基于聚类算法的停车场车辆目标检测研究

发布时间：2021-11-18 12:53

　　随着家用车普及率越来越高,人们如今经常使用汽车外出旅行。到达目的地后为了解决停车问题,许多车主会通过手机或车载导航找到附近停车场的位置。但是这样的系统只能显示停车场的位置,不能为车主提供停车场空余车位信息,车主进入停车场后依旧需要为寻找车位花费大量时间。人们迫切需求停车场能够提供诸如已有停车数量、空余车位数量等更详细的信息,而这就需要对已在停车位上的汽车进行目标检测。本文将聚类算法与图像处理结合,对停车场鸟瞰图进行图像分割并进一步处理得出停车场中车辆的目标检测图像,为后续研发一个停车场车辆信息管理系统提供基础信息,具体研究内容如下:（1）首先介绍几类常见的聚类算法:K-means、Mean Shift、FCM和DBSCAN算法的各自理论,讨论了各自算法的优缺点。并针对K-means算法、FCM算法的改进算法进行了探讨。将两个算法及其各自的改进算法ISODATA及ENFCM算法应用至图像分割中,经过高斯滤波、灰度变换、自适应二值化等处理后得到停车场车辆目标检测图像。通过对各算法的目标检测图像进行对比,证明改进算法优于各自原算法。（2）本文首先对密度峰值聚类算法（DPC）进行了理论介绍,讨... 

【文章来源】：安徽工业大学安徽省

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

停车场图像中所需检测的车辆

第一步：初始设定簇的数目（在本例中，k3）聚类中心是在数据域内随机生成的（以颜色显示）

第二步：将每个点划归于离其最近的聚类中心从而将所有点分成k簇

【参考文献】：
期刊论文
[1]基于视觉显著性与肤色分割的人脸检测[J]. 鲍小如,陈瑞,曹雪虹,焦良葆.  计算机技术与发展. 2018(04)
[2]图像分割新方法综述[J]. 郑晓曦,严俊龙.  计算机与数字工程. 2007(08)

硕士论文
[1]基于电子地图的移动业务分布研究[D]. 檀亚峰.北京邮电大学 2016
[2]基于模糊聚类算法的图像分割研究[D]. 买月梅.兰州交通大学 2014



本文编号：3502935