云台摄像机道路事件检测方法的研究与实现

发布时间：2017-05-19 18:27

  本文关键词：云台摄像机道路事件检测方法的研究与实现，，由笔耕文化传播整理发布。

【摘要】：在交通视频序列中,运动目标的检测和跟踪是智能监控系统最重要的部分。经过多年的研究,这项技术已经有了很大的发展。但是,由于现实环境中的复杂因素,运动目标的检测和跟踪仍然是研究的重要内容。本文研究的内容是基于云台摄像机道路事件检测方法。在对道路事件进行检测时,主要研究的是车辆的检测和跟踪方法。针对现有的文献及OpenCV跟踪框架在一些天气多变、车辆阴影较大、雨天、光照朦胧以及夜间等复杂的环境下,对于车辆的检测和跟踪效果不理想的问题。本文选择了其中车辆阴影较大和夜间的两种情况进行研究。以及对云台摄像机移动后,破坏道路标线的问题进行解决。本文主要的工作有以下几个方面。首先,对阴影检测方法进行研究,使得在车辆检测和跟踪时,能够不受阴影的干扰。研究实现一些经典的阴影检测方法。根据这些方法在阴影检测方面的不足,给出了一种将基于HSV颜色空间和基于梯度相结合,并运用团块思想的阴影检测方法。其次,对夜间车辆检测和跟踪的方法进行研究。在研究夜间车辆检测方法时,是基于车灯来检测车辆。本文改进了车灯检测的方法,使其能准确的和自适应的对车灯进行检测。在研究夜间车辆跟踪方法时,给出了一种车辆跟踪算法。该算法先是对单车灯进行跟踪,然后,将特征相似的单车灯进行配对,作为一辆车进行跟踪。再次,针对云台摄像机移动以后,道路线被破坏的问题。本文给出了一种道路重构方法。使其在云台摄像机移动后,能够重构出原有的道路模型。该方法是利用现有的图像拼接技术实现的。最后,根据车辆跟踪轨迹和车道线,来判断车辆逆行、违章停车、超速、慢行等道路事件。然后将本文的算法用OpenCV实现,并将其和OpenCV现有的跟踪框架进行实验对比。通过实验结果验证,OpenCV跟踪框架在添加本文算法后,能够提高车辆跟踪的效果。
【关键词】：智能监控 阴影去除 夜间车辆跟踪 道路重构
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第1章 绪论11-15
• 1.1 课题研究背景及意义11
• 1.2 国内外研究现状11-12
• 1.3 论文主要内容和章节安排12-15
• 第2章 运动阴影检测的研究与实现15-33
• 2.1 阴影的形成及其产生的影响15
• 2.2 典型的运动目标检测方法15-19
• 2.2.1 中值法15-16
• 2.2.2 单高斯背景模型法16
• 2.2.3 混合高斯背景模型法16-17
• 2.2.4 ViBe算法17-19
• 2.3 经典的阴影检测方法及其实现19-27
• 2.3.1 基于HSV颜色空间的阴影检测19-23
• 2.3.2 基于LBP纹理的阴影检测23-27
• 2.4 结合基于HSV颜色空间和基于梯度的阴影检测方法27-30
• 2.5 本章小结30-33
• 第3章 夜间车辆的检测与跟踪33-65
• 3.1 夜间车辆的检测33-54
• 3.1.1 夜间车辆的特征33-45
• 3.1.2 自适应的车灯检测45-54
• 3.2 夜间车辆的跟踪54-64
• 3.2.1 单个车灯的跟踪54-59
• 3.2.2 车灯的配对59-64
• 3.3 本章小结64-65
• 第4章 道路标记及重构65-73
• 4.1 图像拼接65-68
• 4.1.1 基于SURF特征的匹配66-67
• 4.1.2 图像拼接实验结果67-68
• 4.2 道路的重构68-71
• 4.3 本章小结71-73
• 第5章 道路事件检测系统测试73-95
• 5.1 引言73
• 5.2 基于轨迹的道路事件检测73-80
• 5.2.1 车辆逆行和停车检测73-77
• 5.2.2 车辆超速及慢行事件检测77-80
• 5.3 道路事件检测系统实验平台的实现80-89
• 5.3.1 OpenCV跟踪框架80-82
• 5.3.2 本文的跟踪框架82-87
• 5.3.3 系统测试界面87-89
• 5.4 实验结果分析89-93
• 5.5 本章小结93-95
• 第6章 总结与展望95-97
• 6.1 本文的主要工作总结95-96
• 6.2 未来的工作展望96-97
• 参考文献97-101
• 致谢101-102
• 作者简介102

【相似文献】

中国期刊全文数据库 前10条

1 闻帆;屈桢深;闫纪红;;集成多特征信息的运动阴影检测[J];哈尔滨工业大学学报;2011年05期

2 张力耘;贾晓敏;陈苏娟;;基于总变分的多特征阴影检测方法研究[J];电力勘测设计;2011年05期

3 李文举;高连军;崔晓松;尉秀芹;;基于多源信息的阴影检测[J];辽宁工业大学学报(自然科学版);2013年01期

4 杜友田;陈峰;徐文立;;基于区域的运动阴影检测方法[J];清华大学学报(自然科学版);2006年01期

5 王萍;王波;;基于小波系数及光学特征的车辆阴影检测[J];天津大学学报;2008年02期

6 胡勇;赵春霞;;单幅室外自然场景中的阴影检测与消除[J];南京理工大学学报(自然科学版);2011年01期

7 高骅;;基于阈值与边缘的高分辨率影像阴影检测方法[J];山西建筑;2010年22期

8 曹健;陈红倩;张凯;牛长锋;;结合区域颜色和纹理的运动阴影检测方法[J];机器人;2011年05期

9 刘勃,魏铭旭,周荷琴;交通场景中分块阴影检测算法研究[J];计算机工程;2005年11期

10 卢清华;吴志伟;范彦斌;;基于颜色和纹理的运动车辆阴影检测算法[J];测试技术学报;2013年02期

中国重要会议论文全文数据库 前4条

1 蔡海鹏;潘志庚;孙超;;面向视频场景的虚实交互中的运动阴影检测算法[A];第四届和谐人机环境联合学术会议论文集[C];2008年

2 鲁玮;管庆;;移动阴影检测和消除算法研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

3 孙睿;宫峰勋;;一种改进的边缘比率阴影检测方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

4 黄建军;彭蓉;;基于网络并行的高分辨城市航空影像阴影检测[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

中国博士学位论文全文数据库 前4条

1 代江艳;视频中运动目标阴影检测研究[D];东北师范大学;2014年

2 闻帆;基于视觉的交通路口车辆智能检测技术研究[D];哈尔滨工业大学;2010年

3 李子龙;智能交通系统中视频目标检测与识别的关键算法研究[D];华南理工大学;2014年

4 汤义;智能交通系统中基于视频的行人检测与跟踪方法的研究[D];华南理工大学;2010年

中国硕士学位论文全文数据库 前10条

1 王占鹏;阴影特征的鲁棒性评价和阴影检测算法[D];沈阳理工大学;2015年

2 杨兴旺;资源三号遥感影像阴影检测与补偿系统研究与开发[D];兰州交通大学;2015年

3 姚花琴;WorldView-2影像的城市高大地物阴影检测建模研究[D];兰州交通大学;2015年

4 王国华;云台摄像机道路事件检测方法的研究与实现[D];大连海事大学;2016年

5 韩超;视频交通中的背景提取及阴影检测方法的研究与实现[D];昆明理工大学;2011年

6 程振楠;基于时序特性的运动阴影检测算法研究[D];西华大学;2012年

7 房正华;基于视频图像的车辆阴影检测方法研究[D];中国海洋大学;2007年

8 鲁玮;移动阴影检测抑制算法研究及在智能视频监控系统中的实现[D];电子科技大学;2009年

9 高连军;车辆阴影检测算法研究[D];辽宁师范大学;2013年

10 王宁;图像的阴影检测与去除算法研究[D];北京交通大学;2008年

  本文关键词：云台摄像机道路事件检测方法的研究与实现，由笔耕文化传播整理发布。

本文编号：379510