基于视频图像的车辆违章行为检测识别技术研究
发布时间：2022-01-15 10:12
由于城市人口的不断增加,机动车需求量呈上升趋势增长,因车辆的普及随之带来了一系列的交通问题,最为明显的就是交通事故的逐年增多。而造成交通事故发生的最主要原因就是车辆驾驶者不遵守交通规则,不能够保证安全驾驶。为了更好管理和规划道路上的车辆,智能交通系统的开发被国内外政府及相关研究机构广泛关注,车辆违章行为检测技术作为智能交通系统中不可或缺的一部分,具有重要的研究价值。随着图像处理、模式识别等技术手段的快速发展,基于视频分析的多种智能控制系统方面的研究也越来越多。本文首先对图象预处理的相关知识进行了研究,详细介绍了图像灰度、图像滤波、边缘提取、膨胀腐蚀、空洞填充等算法。在运动目标检测过程中,首先介绍了一些常用的运动目标检测算法,并分析了这些算法的优缺点,详细介绍了Vibe算法的原理和实验过程。在传统的Vibe算法基础之上进行了改进,在Vibe算法的背景建模阶段使用扩大样本邻域范围进行选取的方法;使用动态背景度量的方法,自适应调整Vibe算法的阈值,使其能够适应动态背景下对检测结果造成的影响;使用基于边缘信息的阴影去除方法,消除阴影对检测结果的干扰。经过与传统Vibe算法的实验结果对比,改进...
【文章来源】：沈阳理工大学辽宁省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
中值滤波输出结果图
第2章图像预处理-11-己确定，本文因将其方法应用在二值化图像的前景目标中，将种子像素点的颜色定义为黑色，用其填充二值化图像中不连通区域的白色像素点，经过空洞填充运算后，得到完整的前景目标。空洞填充[11]的基本步骤如下：首先将原图像向外延伸1到两个像素点，并将像素点填充为背景颜色黑色，防止因为目标太大而使目标边缘和图像边缘重合，之后对图像进行填充操作，以黑色的种子像素点为起点，将图像背景存在不连通区域的黑色像素点经过漫水填充都转换成白色像素点，将得到的二值化图像取反，得到新的二值化图像，此时新二值化图像上白色像素点都是目标内部空洞的集合，去掉延伸的区域，将填充好的图像进行裁剪为原图像的大小，将此时的二值化图像与原始的二值化图像相加，得到的图像就是目标内部空洞填充好的图像，如图2.6所示为目标空洞填充的结果图。图2.6目标空洞填充的结果图Figure2.6targetfiguretheresultsofcavityfilling2.6边缘检测边缘检测就是将图像中各物体的轮廓信息使用边缘检测算子检测出来，各物体的边缘信息表现物体内部在与边缘附近的像素点灰度变化极其明显，边缘检测的目的就是要检测出这些灰度值发生明显变化的区域，边缘就是一个区域的结束，也是另一个区域的开始，大部分算法是根据增强灰度变化的区域，减小灰度变化较慢的区域的微分来实现的边缘检测在图像处理被广泛应用，常见的边缘检测算子有Laplacian（拉普拉斯）算子、Sobel算子、Canny算子等，利用边缘算子来分割图像。2.6.1Laplacian算子Laplacian（拉普拉斯）算子是n维的欧式空间中的一个二阶微分算子，它的二阶微分比一阶微分边缘定位能力更强[12]，但因拉普拉斯算子具有旋转不变性，
沈阳理工大学硕士学位论文-14-要的时间更多，但对图像的边缘检测效果更好，Canny算子的优越性能使其在图像处理领域中应用最为广泛，本文选用Canny算子作为边缘检测算子。(a)原图(b)Canny边缘检测(a)Originaliamge(b)Cannyedgedetection(c)Laplacian边缘检测(d)Sobel边缘检测(c)Laplacianedgedetection(d)Sobeledgedetection图2.8三种边缘检测方法对比Fig2.8Comparisonofthreeedgedetectionmethods2.7本章小结本章主要讲述了图像处理当中的一些基本理论知识以及常见的图像预处理方法，包括图像的灰度化与二值化、图像滤波、直方图均衡化和图像形态学处理等,研究了几种边缘检测技术对图像进行边缘提取和连接，并使用Canny算子对图像边缘进行提取，是道路上黄线获取和车辆轮廓获取的关键步骤。
【参考文献】：
期刊论文
[1]基于高斯-椒盐噪声的滤波算法[J]. 张旭涛. 计算机科学. 2019(S1)
[2]多场景下复杂监控视频的前景目标提取[J]. 李琢,周旭,张春辉,万欣. 数学的实践与认识. 2018(15)
[3]基于Vibe算法的视频前景目标提取[J]. 李健斐,王倩蓉,王巨,王利平. 数学的实践与认识. 2018(15)
[4]改进的HOG-CLBC的行人检测方法[J]. 程德强,唐世轩,冯晨晨,游大磊,张丽颖. 光电工程. 2018(08)
[5]城市智能交通管理系统的研究与设计[J]. 高美蓉. 电子测量技术. 2018(08)
[6]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)
[7]基于混合高斯模型与五帧差分的运动目标检测算法[J]. 李战明,谭向阳. 计算机与数字工程. 2018(02)
[8]背景差分与帧间差分相融合的遥感卫星视频运动车辆检测方法[J]. 袁益琴,何国金,王桂周,江威,康金忠. 中国科学院大学学报. 2018(01)
[9]基于多特征融合与AdaBoost算法的轨面缺陷识别方法[J]. 闵永智,程天栋,马宏锋. 铁道科学与工程学报. 2017(12)
[10]面向复杂道路环境的车道线快速检测方法[J]. 程文冬,沈云波,魏庆媛. 机械设计与制造. 2017(11)
硕士论文
[1]基于机器视觉的交通压线判别方法研究[D]. 胡鹏.西安科技大学 2017
[2]基于深度图像绘制中的空洞填充[D]. 曹东华.重庆大学 2016
[3]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
本文编号：3590437
【文章来源】：沈阳理工大学辽宁省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
中值滤波输出结果图
第2章图像预处理-11-己确定，本文因将其方法应用在二值化图像的前景目标中，将种子像素点的颜色定义为黑色，用其填充二值化图像中不连通区域的白色像素点，经过空洞填充运算后，得到完整的前景目标。空洞填充[11]的基本步骤如下：首先将原图像向外延伸1到两个像素点，并将像素点填充为背景颜色黑色，防止因为目标太大而使目标边缘和图像边缘重合，之后对图像进行填充操作，以黑色的种子像素点为起点，将图像背景存在不连通区域的黑色像素点经过漫水填充都转换成白色像素点，将得到的二值化图像取反，得到新的二值化图像，此时新二值化图像上白色像素点都是目标内部空洞的集合，去掉延伸的区域，将填充好的图像进行裁剪为原图像的大小，将此时的二值化图像与原始的二值化图像相加，得到的图像就是目标内部空洞填充好的图像，如图2.6所示为目标空洞填充的结果图。图2.6目标空洞填充的结果图Figure2.6targetfiguretheresultsofcavityfilling2.6边缘检测边缘检测就是将图像中各物体的轮廓信息使用边缘检测算子检测出来，各物体的边缘信息表现物体内部在与边缘附近的像素点灰度变化极其明显，边缘检测的目的就是要检测出这些灰度值发生明显变化的区域，边缘就是一个区域的结束，也是另一个区域的开始，大部分算法是根据增强灰度变化的区域，减小灰度变化较慢的区域的微分来实现的边缘检测在图像处理被广泛应用，常见的边缘检测算子有Laplacian（拉普拉斯）算子、Sobel算子、Canny算子等，利用边缘算子来分割图像。2.6.1Laplacian算子Laplacian（拉普拉斯）算子是n维的欧式空间中的一个二阶微分算子，它的二阶微分比一阶微分边缘定位能力更强[12]，但因拉普拉斯算子具有旋转不变性，
沈阳理工大学硕士学位论文-14-要的时间更多，但对图像的边缘检测效果更好，Canny算子的优越性能使其在图像处理领域中应用最为广泛，本文选用Canny算子作为边缘检测算子。(a)原图(b)Canny边缘检测(a)Originaliamge(b)Cannyedgedetection(c)Laplacian边缘检测(d)Sobel边缘检测(c)Laplacianedgedetection(d)Sobeledgedetection图2.8三种边缘检测方法对比Fig2.8Comparisonofthreeedgedetectionmethods2.7本章小结本章主要讲述了图像处理当中的一些基本理论知识以及常见的图像预处理方法，包括图像的灰度化与二值化、图像滤波、直方图均衡化和图像形态学处理等,研究了几种边缘检测技术对图像进行边缘提取和连接，并使用Canny算子对图像边缘进行提取，是道路上黄线获取和车辆轮廓获取的关键步骤。
【参考文献】：
期刊论文
[1]基于高斯-椒盐噪声的滤波算法[J]. 张旭涛. 计算机科学. 2019(S1)
[2]多场景下复杂监控视频的前景目标提取[J]. 李琢,周旭,张春辉,万欣. 数学的实践与认识. 2018(15)
[3]基于Vibe算法的视频前景目标提取[J]. 李健斐,王倩蓉,王巨,王利平. 数学的实践与认识. 2018(15)
[4]改进的HOG-CLBC的行人检测方法[J]. 程德强,唐世轩,冯晨晨,游大磊,张丽颖. 光电工程. 2018(08)
[5]城市智能交通管理系统的研究与设计[J]. 高美蓉. 电子测量技术. 2018(08)
[6]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)
[7]基于混合高斯模型与五帧差分的运动目标检测算法[J]. 李战明,谭向阳. 计算机与数字工程. 2018(02)
[8]背景差分与帧间差分相融合的遥感卫星视频运动车辆检测方法[J]. 袁益琴,何国金,王桂周,江威,康金忠. 中国科学院大学学报. 2018(01)
[9]基于多特征融合与AdaBoost算法的轨面缺陷识别方法[J]. 闵永智,程天栋,马宏锋. 铁道科学与工程学报. 2017(12)
[10]面向复杂道路环境的车道线快速检测方法[J]. 程文冬,沈云波,魏庆媛. 机械设计与制造. 2017(11)
硕士论文
[1]基于机器视觉的交通压线判别方法研究[D]. 胡鹏.西安科技大学 2017
[2]基于深度图像绘制中的空洞填充[D]. 曹东华.重庆大学 2016
[3]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
本文编号：3590437
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3590437.html
