车辆检测跟踪算法的研究与应用

发布时间：2024-03-21 19:58

　　近年来,我国汽车市场的潜力持续释放,使得我国交通环境趋于恶化。交通秩序混乱,交通事故频发等问题日益严重。汽车持有量的持续加大对于还在研究和改进阶段的智能交通监控系统造成了极大的考验。传统的智能交通监控系统大多只具有视频数据的记录能力,而不具有视频目标检测跟踪以及视频事件行为的分析理解能力。对于这种传统的视频监控系统,存在以下几点弊端:通过人工进行查看观测,需要耗费大量的人力财力,并且效率低下;无法对每个异常情况都观察到位,会出现判断不精确以及漏检的情况;实时性较差,无法预测到突发性事件。所以基于监控视频图像处理的车辆检测、跟踪及异常行为识别的研究,对于提高交通管理手段、保障公路行车安全具有十分重要的意义。本文从实际应用角度出发,以监控视频序列为研究对象,从车道线检测,车辆目标检测,多车辆目标跟踪和异常行为识别等几个关键技术着手进行研究。结合车辆检测、车辆跟踪结果,配合车道线的道路信息,设计了停车、逆行、违章变道这三种异常行为事件自动检测算法。具体的研究主要包括以下几个方面的内容:(1)设计了一种基于Sobel边缘特征和HSV颜色特征相结合的预处理方法,粗定位车道线的位置,再利用Houg...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题的研究背景与意义
    1.2 国内外发展现状
        1.2.1 基于视频的目标检测算法研究现状
        1.2.2 基于视频的目标跟踪算法研究现状
    1.3 论文主要内容和章节安排
        1.3.1 论文的主要研究内容
        1.3.2 论文的章节安排
2 基于视频的运动车辆及车道线检测
    2.1 典型的运动车辆检测方法概述及其实现
        2.1.1 基于运动特征的车辆检测算法
        2.1.2 基于表观特征的车辆检测算法
        2.1.3 基于深度神经网络的车辆检测算法
    2.2 基于Darknet网络模型和YOLOv3算法的车辆目标检测
        2.2.1 YOLOv3算法概述
        2.2.2 评价指标及常用数据集
        2.2.3 实验结果及分析
    2.3 车道线检测
        2.3.1 车道线检测方法概述
        2.3.2 基于HSV和Sobel特征结合的车道线预处理
        2.3.3 基于Hough变换的车道线检测结果及分析
    2.4 本章小结
3 基于马尔科夫决策过程的多车辆跟踪
    3.1 运动车辆跟踪方法概述
    3.2 马尔科夫决策过程(MDP)
    3.3 基于MDP的多车辆目标跟踪的实现过程
        3.3.1 单目标车辆跟踪的MDP建立过程
        3.3.2 状态子空间的转移策略
        3.3.3 多车辆目标跟踪及评价指标
        3.3.4 实验结果及分析
    3.4 本章小结
4 基于车辆检测跟踪的异常行为识别
    4.1 车辆异常行为识别概述
    4.2 车辆运动轨迹获取与分析
        4.2.1 车辆运动轨迹获取
        4.2.2 车辆轨迹模型建立与分析
    4.3 车辆异常行为识别
        4.3.1 停车识别
        4.3.2 逆行识别
        4.3.3 违章变道识别
    4.4 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3934066