基于交通视频的车辆检测与研究

发布时间：2017-08-21 14:43

  本文关键词：基于交通视频的车辆检测与研究

  更多相关文章： 智能交通 车辆检测 傅里叶描述子 纹理特征参数 空间模型

【摘要】：由于国民经济的增长,国内的交通压力日益增大,智能交通成为当今交通工程领域研究的热点。而随着计算机技术的迅猛发展,计算机视觉的应用价值越来越大,成为智能交通研究的主要方向。计算机视觉技术被用于视频监控系统,可以完成对交通图像的实时处理与信息挖掘,有助于车辆导航与交通管理。本文研究内容包括车流量的统计、车辆类型的检测与车辆大小的分级。车流量统计会受到粘连车辆的影响,目前的解决方法是通过视频跟踪来识别粘连车辆,这要求车辆之间有明显的相对运动,最近研究提出了形态学分离粘连目标的方法,但粘连面积过大的车辆无法分离,本文提出了基于纹理特征的粘连车辆识别方法,首先提取出车辆轮廓线图,然后利用灰度分布特性计算图像各局部区域的纹理特征参数,再通过一系列修正算法,完成粘连车辆的识别与判断；车辆类型检测目前通过车牌识别实现,这对检测距离和图像的清晰度要求很高,不能完成对大量交通流的分类统计工作,本文设计了车辆类型检测算法,采用基于傅里叶描述子的方法提取出各种车型的基准特征向量,生成图像库,车辆类型检测通过图像库模板匹配来实现；车辆大小分级是无人收费站对车辆进行收费的参考指标,但目前收费站通过车载收发机完成自动收费,容易误检,本文利用积分思想建立了收费站车道的空间模型,并根据视差原理设计了误差修正算法,能够计算出车长与车宽,实现了对车辆大小的检测与分级。本文用VC、MATLAB等软件对车辆的检测算法进行了实验仿真,仿真结果表明：基于傅里叶描述子的检测算法能够很好地适应车辆目标的平移与翻转,通过将被检车辆与图像库模板匹配能够比较准确地判断车辆类型；基于纹理特征的识别方法,对粘连车辆识别的成功率高,能够提高车流量统计的精度；在车辆外廓尺寸测量方面,利用视差原理对空间模型算法进行改进,提高了车辆外廓尺寸算法的精度。本文的工作优化了车辆检测系统的算法,有一定的应用价值。
【关键词】：智能交通 车辆检测 傅里叶描述子 纹理特征参数 空间模型
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要2-3
• ABSTRACT3-7
• 第一章 绪论7-12
• 1.1 课题背景7-8
• 1.2 课题目的及意义8
• 1.3 智能交通的国内外研究现状8-10
• 1.3.1 国外研究现状8-9
• 1.3.2 国内研究现状9-10
• 1.4 本文主要内容10-12
• 第二章 交通图像处理与车辆检测方法概述12-18
• 2.1 交通图像预处理12-15
• 2.1.1 车道背景提取12-13
• 2.1.2 车道线检测13-15
• 2.2 恶劣光照条件的车辆检测15-17
• 2.2.1 雨雾环境检测15-16
• 2.2.2 夜间车辆识别16-17
• 2.3 本章小结17-18
• 第三章 车辆类型检测算法的研究18-25
• 3.1 车型检测现状18-19
• 3.2 车辆检测硬件系统19-20
• 3.3 基于傅里叶描述子的算法设计20-21
• 3.4 检测模板选取方案21-22
• 3.5 基准特征向量构建与实验结果22-23
• 3.6 工作现场及车型检测结果23-24
• 3.7 本章小结24-25
• 第四章 粘连车辆识别算法的研究25-37
• 4.1 车辆轮廓提取与检测框设置25-27
• 4.1.1 车辆轮廓提取25-26
• 4.1.2 检测框设置26-27
• 4.2 基于纹理的车辆检测27-29
• 4.3 基于滤波扫描的定位方法29-33
• 4.3.1 滤波器设计30-31
• 4.3.2 算法描述31-32
• 4.3.3 滤波值曲线分析32-33
• 4.4 聚类分析与仿真实验33-36
• 4.4.1 聚类分析基本概念33-34
• 4.4.2 仿真实验34-36
• 4.5 本章小节36-37
• 第五章 车辆外廓尺寸算法测量的研究37-51
• 5.1 外廓尺寸参数37-39
• 5.1.1 车辆外廓尺寸37
• 5.1.2 像素37-39
• 5.2 车道空间模型的设计39-43
• 5.2.1 算法思想39-40
• 5.2.2 空间映射算法40-43
• 5.3 特征点定位的实现过程43-46
• 5.3.1 模板卷积运算43-44
• 5.3.2 卷积扫描判别44-46
• 5.4 车辆长度误差修正算法设计与分析46-47
• 5.4.1 纵向误差修正方案46
• 5.4.2 垂直误差修正方案46-47
• 5.5 车辆宽度测量的算法设计与分析47-50
• 5.5.1 欧几里得横向视差分析47-49
• 5.5.2 AOli分段模型49
• 5.5.3 车宽计算过程49-50
• 5.6 本章小结50-51
• 第六章 总结与展望51-53
• 6.1 总结51
• 6.2 展望51-53
• 参考文献53-57
• 致谢57-58
• 攻读硕士学位期间取得的研究成果58-59

【参考文献】

中国期刊全文数据库 前7条

1 赵涛;邓伟;;结合PCA和FPD的傅里叶形状描述子[J];计算机工程;2011年21期

2 张颖新;范东启;杨迪;杨灿;;车型自动识别系统研究[J];交通与运输(学术版);2006年01期

3 朱凯军;周焰;兰祖送;;基于区域分割的雾天图像增强算法[J];计算机测量与控制;2006年05期

4 陈爱斌;基于特征车的汽车车型识别[J];信息技术;2004年05期

5 吴援明,梁恩志;一种基于熵的放大后图像质量的评价方法[J];信号处理;2004年02期

6 ;Reverse triple I method of restriction for fuzzy reasoning[J];Progress in Natural Science;2002年05期

7 郁梅,蒋刚毅,郁伯康;智能交通系统中的计算机视觉技术应用[J];计算机工程与应用;2001年10期

中国硕士学位论文全文数据库 前1条

1 刘腾飞;针对车体遮挡的车流量统计算法[D];武汉理工大学;2012年

，

本文编号：713513