基于机器视觉的车辆检测与跟踪方法研究

发布时间：2020-03-19 22:04

【摘要】：基于机器视觉的运动目标检测与跟踪技术作为图像处理领域的热点和难点之一,被广泛应用于智能交通、人机交互、人工智能等领域。对交通监控视频中的运动车辆进行检测与跟踪,能够为智能交通系统提供关于车辆的交通参数信息。本文研究重点主要集中在对监控视频中的运动车辆进行准确检测,然后在检测的基础上对车辆进行有效的跟踪。因此本文根据国内外研究学者对运动目标检测与跟踪最常用的方法入手,主要做了以下工作:首先,在运动车辆的检测中,在帧差法与边缘检测法的基础上,提出了一种基于改进三帧差法和边缘检测法结合的运动车辆检测算法,以解决三帧差法检测车辆轮廓不完整的问题。然后将改进三帧差法融合混合高斯背景建模得到最后的结果,以解决单一采用三帧差法检测到的运动车辆内部信息不太完整和单一采用混合高斯背景模型对光照敏感的问题。提高了算法对车辆检测的准确性以及对外部光照变化的适应能力。其次,在运动车辆的跟踪中,在对车辆检测比较准确的基础上,将车辆轮廓形心坐标作为研究对象。首先提取当前帧中车辆轮廓的形心坐标,然后通过卡尔曼滤波对下一帧图像中车辆形心坐标预测,接着在下一帧图像到来时提取该帧中检测车辆轮廓的形心坐标作为卡尔曼滤波的观测值,通过这个观测值对上一时刻的预测值进行校正,最后将本次校正值作为下一个计算时刻的预测值,不断循环将每次的检测结果与跟踪进行匹配直至完成整个运动车辆的跟踪流程。最后,为了方便算法的维护和改进,根据本文对视频图像预处理、车辆检测与跟踪的研究路线和研究成果,本文对基于机器视觉的车辆检测与跟踪系统采用了模块化的设计方案,即分为:视频预处理、车辆检测、车辆跟踪与结果显示四个模块。本系统能够对视频中的车辆进行有效检测与跟踪,通过后期对跟踪结果分析可以得到关于车辆的相关信息。
【图文】：

③ 加权平均值法：利用眼睛对不同颜色的敏感程度不一样，将单一像素点的各个通道作加权平均计算求得灰度图像。当前一般在灰度化处理视频时都采用这种方法，如式（2-3）所示。(,)(,)(,)(,)123f xy= ω Rxy+ωGxy+ωBxy(2-3)其中，1ω 、2ω 和3ω 分别是三个通道颜色分量的权值，本文取 0.301ω =，0.592ω =， 0.113ω =。采用加权平均值法将视频图像灰度化后的结果如图 2-1所示。

重复进行以上操作直到整个图像处理完毕，计算公式如式（2-5）所示。g ( x,y)= median{ f(x k,y l)(k,l∈ω)}(2-5)其中，ω 是选取的模板，模板大小一般为 33× ， 5 × 5。 g ( x,y)表示滤波后的结果。此外中值滤波最大的不同之处在于它能够保留图像的边缘信息。
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U495

【相似文献】

相关期刊论文 前10条

1 孙志阳;;浅析智能交通中的车辆检测技术及发展[J];居舍;2017年32期

2 张辉;;基于HOG-GentleBoost的车辆检测方法[J];计算机时代;2018年06期

3 Wikipedia;钱仲兴;;世界各国的车辆检测[J];汽车与安全;2012年12期

4 田晓霞;王家硕;王会朴;;有限状态机在夜间车辆检测上的应用[J];石家庄铁道大学学报(自然科学版);2016年04期

5 蔡英凤;刘泽;孙晓强;陈龙;王海;;基于双车辆可变形部件模型的车辆检测方法[J];汽车工程;2017年06期

6 刘东伟;;基于双车辆可变形部件模型的车辆检测方法研究[J];南方农机;2017年20期

7 曹晓娟;;智能交通系统中车辆检测方法的研究[J];信息化建设;2015年12期

8 许柏平;周舟平;;手机在车辆检测中的应用[J];汽车维护与修理;2013年05期

9 王建强;王履程;;基于机器视觉的隧道车辆检测系统设计与实现[J];自动化与仪器仪表;2015年09期

10 董茜;游宇;;重庆机动车强检“第一现场”[J];今日重庆;2017年06期

相关会议论文 前10条

1 孟超超;鲍泓;;车辆检测研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

2 王忠耀;任青春;王少华;郭春生;;基于红外视频的车载行人车辆检测系统[A];浙江省电子学会2013学术年会论文集[C];2013年

3 李舜酩;缪小冬;;视觉车辆检测方法的研究进展及展望[A];2009全国虚拟仪器大会论文集（二）[C];2009年

4 李鹏飞;赵玺;刘兵;邹永锋;;复杂路况的移动车辆检测与跟踪方法[A];2018中国汽车工程学会年会论文集[C];2018年

5 吴园;黎宁;刘苗苗;;一种基于快速水平集方法的运动车辆检测[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 邹月娴;王一言;关佩;杨华;陈维荣;;复杂视频背景中的运动车辆检测技术[A];第四届和谐人机环境联合学术会议论文集[C];2008年

7 吴嵘;何培宇;徐自励;段文锋;刘珂含;;一种去背景的车辆检测与跟踪快速算法[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

8 张有节;蔡晓禹;彭博;李少博;;基于无人机视频的车辆检测与评价指标研究[A];2017年中国城市交通规划年会论文集[C];2017年

9 高文宝;沙海云;周欣荣;柴干;;高速公路车辆检测技术组合应用研究[A];第一届中国智能交通年会论文集[C];2005年

10 魏东;刘毅;钱俊彦;;桂林机动车远程审验系统[A];广西计算机学会2012年学术年会论文集[C];2012年

相关重要报纸文章 前10条

1 记者 肖剑雄;大小车辆检测费均降20元[N];东莞日报;2017年

2 记者 幸笑薇;市人大代表开展“最多跑一次”调研[N];舟山日报;2017年

3 练洪洋;车辆检测 兴利除弊方能有效可靠[N];广州日报;2015年

4 张奇 李小洁;车辆检测，，为何招来怨声一片[N];检察日报;2002年

5 记者 杨耀青;车辆检测更加公正透明[N];西安日报;2011年

6 郑利平;湖州车辆检测科研项目通过鉴定[N];中国交通报;2004年

7 记者 郭亮廷;认真安排部署 保障春节安全[N];郴州日报;2019年

8 通讯员 李金华;铜川政协 提案破解车辆检测难[N];各界导报;2015年

9 记者 贾瑞芳;检车进企业 温暖送到家[N];河北经济日报;2009年

10 通讯员 刘继红;市交警简化车辆检测程序[N];咸宁日报;2009年

相关博士学位论文 前10条

1 蔡磊;部件检测方法及其在车辆目标检测中的应用[D];西北工业大学;2017年

2 颜卓;基于深层卷积神经网络的车辆检测及属性分析方法研究[D];中国科学院大学(中国科学院重庆绿色智能技术研究院);2018年

3 宋俊芳;基于图像逆投影3D重建的车辆检测关键技术研究[D];长安大学;2018年

4 张伟;基于视觉的运动车辆检测与跟踪[D];上海交通大学;2007年

5 王曾敏;小波图像融合算法及其在视频车辆检测系统中的应用研究[D];天津大学;2009年

6 谌彤童;基于三维激光雷达的动态车辆检测与跟踪[D];国防科学技术大学;2016年

7 徐琨;交通视频监控中的车辆检测与跟踪方法研究[D];长安大学;2009年

8 许洁琼;基于视频图像处理的车辆检测与跟踪方法研究[D];中国海洋大学;2012年

9 严捷丰;交通视频监控中的车辆检测与分割方法研究[D];中国科学技术大学;2008年

10 朱周;复杂环境下基于视频的车辆跟踪算法研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 刘志成;基于机器视觉的车辆检测与跟踪方法研究[D];武汉理工大学;2018年

2 盛怿寒;基于多示例学习的弱监督遥感图像车辆检测[D];厦门大学;2018年

3 王文涛;基于智能监控下的车辆检测与跟踪[D];湖南大学;2014年

4 李文澜;基于立体视觉和机器学习的车辆检测方法的研究[D];吉林大学;2018年

5 徐斌;基于路侧三维激光雷达的车辆检测与追踪方法研究[D];苏州大学;2018年

6 李明;基于视频信息的路口滞留车辆检测关键技术研究[D];山东大学;2018年

7 战昕;交通系统数据融合算法研究[D];西安工业大学;2018年

8 阮大双;基于地磁传感器的道路交通车辆检测技术研究[D];杭州电子科技大学;2018年

9 武晓洁;基于视频的车辆检测与跟踪方法研究[D];长安大学;2018年

10 张鹤鹤;区域卷积神经网络在车辆检测中的应用研究[D];西安理工大学;2018年

本文编号：2590780