基于ViBE的交通视频车辆检测研究与应用
发布时间：2022-01-07 09:33
车辆检测技术是智能交通系统采集单元中重要的基础技术之一,而交通监控视频中包含的信息数据量大、种类齐全,基于视频流图像帧的车辆检测定位算法在智能交通监控中得到了广泛的应用,近年来,随着图像处理技术的迅猛发展,基于交通视频的静态场景下多运动目标检测算法逐渐成为研究热点。本文对目标运动信息检测算法进行研究,由于ViBE（Video Background Estimation）算法存在邻域采样点重复率高、分类距离阈值固定的缺点,进行了以下两方面改进:首先,将采样点由原来的3*3邻域扩大到5*5邻域,并按照距离中心像素点的远近为采样点分配不同的权重,达到降低采样点重复率的目的;第二,将原来固定的距离阈值R,改进成自适应距离阈值R。改进后的ViBE算法可以获取更加完整的二值图像,通过形态学闭操作处理后得到被标记的运动目标可能区域,之后在原图中截取同样的区域。利用训练好的Haar-Like和MB-LBP特征相结合的嵌套级联分类器（Nested Cascades of GABoosted Classifiers,NCGAB）进行逐层判别,通过非极大值抑制算法（Non-Maximum Suppressi...
【文章来源】：西安工业大学陕西省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图2.2两种光流法实验效果
2扫描点临近像素2扫描点第一轮扫描结果 第二轮扫描结果图 3.12 两轮扫描法过 ViBE 算法提取前景区域后再经过闭操作预处理之后，采用 Two-Pass 法分割实验结果如图 3.13，通过这种方法处理相互独立的车辆目标时，可以很辆的位置、大小等信息。果(a)834 帧 (b)1484 帧 (c)1697 帧
割方法靠形态学处理和连通域标记法，在多运动目标检测中是不可靠的，连通域分之间存在遮挡、粘连、断裂的情况检测效果并不好，如图 3.14 所示，当多之间存在遮挡关系，图(a)、(b)、(c)中，连通域分割图中每个目标无法获取连通域，则在图(d)、(e)、(f)中，可以看出多个车辆会被错误的归类为一个，。因此本文在下一章中考虑采用基于图像特征的分类器分割方法来辅助动车辆目标位置信息的提取。
【参考文献】：
期刊论文
[1]Haar特征提取IP核设计及前方车辆检测系统实现[J]. 任亮朴,徐美华,陈高攀. 电子设计工程. 2018(14)
[2]基于多尺度特征和嵌套级联Adaboost的车辆检测[J]. 康珮珮,于凤芹,陈莹. 传感器与微系统. 2018(05)
[3]2017年交通运输行业发展统计公报[J]. 中国物流与采购. 2018(11)
[4]一种改进的基于ViBe的运动目标检测方法[J]. 欧阳梓标,牛燕雄,谢朋言. 半导体光电. 2018(02)
[5]一种基于改进视觉背景提取算法的前景检测[J]. 陈树,丁保阔. 计算机工程与科学. 2018(04)
[6]走合作共赢之路——谈中国汽车产业未来之战略选择[J]. 张世海,张梦泽. 中国市场. 2018(06)
[7]基于反馈背景模型的城市道路交叉口前景目标检测[J]. 李浩,张运胜. 交通运输系统工程与信息. 2017(06)
[8]基于ViBe算法及分数阶微分边缘检测的运动目标提取[J]. 吴成,李晓华,周激流. 计算机应用. 2017(S1)
[9]基于Haar-like和MB-LBP特征分区域多分类器车辆检测[J]. 朱彬,王少平,梁华为,袁胜,杨静,黄俊杰. 模式识别与人工智能. 2017(06)
[10]一种基于改进ViBe和级联分类器的车辆检测算法[J]. 彭胜. 现代计算机(专业版). 2017(08)
硕士论文
[1]基于视频的车流量智能交通检测系统研究[D]. 黄鑫.西南交通大学 2018
[2]基于特征学习的目标检测与跟踪技术研究[D]. 贺先辉.中国科学院大学(中国科学院光电技术研究所) 2017
[3]监控场景下的车型分类方法研究与实现[D]. 刘应新.北京邮电大学 2017
[4]基于多特征级联分类器的消防通道车辆检测技术研究[D]. 陈瀚.重庆大学 2016
[5]基于改进的ViBE和HOG的运动目标检测系统研究与实现[D]. 王彬.沈阳工业大学 2016
[6]基于特征融合的AdaBoost人脸检测研究[D]. 李颖颖.兰州理工大学 2015
[7]智能交通监控中的视频处理方法与系统[D]. 秦为帅.东南大学 2015
[8]基于电感线圈的车辆检测器系统设计[D]. 熊圣明.重庆大学 2014
[9]静态场景下多运动目标检测与跟踪[D]. 吴东飞.合肥工业大学 2013
[10]基于DSP的车流量统计方法的研究[D]. 鲜柯.合肥工业大学 2010
本文编号：3574295
【文章来源】：西安工业大学陕西省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图2.2两种光流法实验效果
2扫描点临近像素2扫描点第一轮扫描结果 第二轮扫描结果图 3.12 两轮扫描法过 ViBE 算法提取前景区域后再经过闭操作预处理之后，采用 Two-Pass 法分割实验结果如图 3.13，通过这种方法处理相互独立的车辆目标时，可以很辆的位置、大小等信息。果(a)834 帧 (b)1484 帧 (c)1697 帧
割方法靠形态学处理和连通域标记法，在多运动目标检测中是不可靠的，连通域分之间存在遮挡、粘连、断裂的情况检测效果并不好，如图 3.14 所示，当多之间存在遮挡关系，图(a)、(b)、(c)中，连通域分割图中每个目标无法获取连通域，则在图(d)、(e)、(f)中，可以看出多个车辆会被错误的归类为一个，。因此本文在下一章中考虑采用基于图像特征的分类器分割方法来辅助动车辆目标位置信息的提取。
【参考文献】：
期刊论文
[1]Haar特征提取IP核设计及前方车辆检测系统实现[J]. 任亮朴,徐美华,陈高攀. 电子设计工程. 2018(14)
[2]基于多尺度特征和嵌套级联Adaboost的车辆检测[J]. 康珮珮,于凤芹,陈莹. 传感器与微系统. 2018(05)
[3]2017年交通运输行业发展统计公报[J]. 中国物流与采购. 2018(11)
[4]一种改进的基于ViBe的运动目标检测方法[J]. 欧阳梓标,牛燕雄,谢朋言. 半导体光电. 2018(02)
[5]一种基于改进视觉背景提取算法的前景检测[J]. 陈树,丁保阔. 计算机工程与科学. 2018(04)
[6]走合作共赢之路——谈中国汽车产业未来之战略选择[J]. 张世海,张梦泽. 中国市场. 2018(06)
[7]基于反馈背景模型的城市道路交叉口前景目标检测[J]. 李浩,张运胜. 交通运输系统工程与信息. 2017(06)
[8]基于ViBe算法及分数阶微分边缘检测的运动目标提取[J]. 吴成,李晓华,周激流. 计算机应用. 2017(S1)
[9]基于Haar-like和MB-LBP特征分区域多分类器车辆检测[J]. 朱彬,王少平,梁华为,袁胜,杨静,黄俊杰. 模式识别与人工智能. 2017(06)
[10]一种基于改进ViBe和级联分类器的车辆检测算法[J]. 彭胜. 现代计算机(专业版). 2017(08)
硕士论文
[1]基于视频的车流量智能交通检测系统研究[D]. 黄鑫.西南交通大学 2018
[2]基于特征学习的目标检测与跟踪技术研究[D]. 贺先辉.中国科学院大学(中国科学院光电技术研究所) 2017
[3]监控场景下的车型分类方法研究与实现[D]. 刘应新.北京邮电大学 2017
[4]基于多特征级联分类器的消防通道车辆检测技术研究[D]. 陈瀚.重庆大学 2016
[5]基于改进的ViBE和HOG的运动目标检测系统研究与实现[D]. 王彬.沈阳工业大学 2016
[6]基于特征融合的AdaBoost人脸检测研究[D]. 李颖颖.兰州理工大学 2015
[7]智能交通监控中的视频处理方法与系统[D]. 秦为帅.东南大学 2015
[8]基于电感线圈的车辆检测器系统设计[D]. 熊圣明.重庆大学 2014
[9]静态场景下多运动目标检测与跟踪[D]. 吴东飞.合肥工业大学 2013
[10]基于DSP的车流量统计方法的研究[D]. 鲜柯.合肥工业大学 2010
本文编号：3574295
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3574295.html
