基于视觉的组合车辆检测与跟踪算法研究

发布时间：2023-04-05 05:54

　　为了减轻交通拥堵,降低交通事故率,减轻能源消耗所带来的环境污染问题,结合现有的智能车辆(Intelligent Vehicle,IV)技术,本文提出一种新型出行方式——组合车辆出行。其工作原理是每辆智能车将导航数据上传到智能交通网络系统,系统负责调配交通资源,将局部路径相似的智能车组成一个车队。本文所要解决的问题是如何将本车跟局部路径相似的目标车进行组合。主要对前方车辆进行基于计算机视觉的车辆检测、车牌识别、车辆跟踪算法展开研究,具体内容如下:(1)对前方的智能车辆进行车辆检测。首先根据车辆底部阴影区域生成车辆假设区域;然后提取车辆假设区域HSV颜色空间的H分量并生成颜色直方图,并将生成的车辆假设区域与智能车辆模板进行颜色直方图比对,完成对车辆假设区域初步验证;最后采用HOG特征+SVM再次对车辆假设区域进行验证。实验表明,本文算法可以较好的检测出前方智能车辆。(2)对检测到的智能车辆进行车牌识别。为了实现车牌的快速定位,采用基于色差的车牌快速定位方法。针对某些汉字内部笔画相互断开的问题,采用基于轮廓特征与垂直投影相结合的方法对车牌字符进行分割。针对传统的LBP特征对字符的识别率较低的...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文主要研究内容
第二章 车辆检测、车牌识别与车辆跟踪算法
    2.1 基于视觉的车辆检测算法分析
        2.1.1 车辆假设区域生成
        2.1.2 车辆假设区域验证
    2.2 基于视觉的车牌识别算法分析
        2.2.1 常用车牌定位方法
        2.2.2 车牌字符分割算法
        2.2.3 车牌字符识别算法
    2.3 视频图像中车辆跟踪算法分析
    2.4 本章小结
第三章 基于HOG与 SVM的车辆检测算法
    3.1 图像预处理
        3.1.1 图像灰度化
        3.1.2 图像滤波
        3.1.3 边缘检测
        3.1.4 形态学处理
    3.2 车辆假设区域生成算法
        3.2.1 阴影分割
        3.2.2 形态学滤波
        3.2.3 确定阴影位置
        3.2.4 生成车辆假设区域
    3.3 车辆假设区域验证算法
        3.3.1 基于颜色直方图比对的初步验证
        3.3.2 基于HOG特征与SVM的验证
    3.4 车辆检测实验结果与分析
    3.5 本章小结
第四章 基于车牌识别的目标车辆验证
    4.1 车牌基本特征
    4.2 基于色差的车牌快速定位
    4.3 基于轮廓特征与垂直投影相结合的字符分割
    4.4 基于改进LBP特征与模板匹配的字符识别
    4.5 车牌检测实验结果与分析
    4.6 本章小结
第五章 基于改进的KCF车辆跟踪算法
    5.1 相关滤波器跟踪算法
    5.2 HOG与 CN特征自适应融合策略
    5.3 目标尺度估计
    5.4 车辆跟踪实验
        5.4.1 评价指标
        5.4.2 实验结果分析
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
作者简介



本文编号：3782862