隧道内多运动车辆跟踪方法研究
发布时间：2021-06-27 16:08
随着我国交通建设的发展,我国已经具有全球最长里程的高速公路,也是隧道、桥梁建设最多的国家。隧道在给交通带来便利的同时也对交通安全管理和照明控制系统提出了新的要求。为了解决隧道中存在的过度照明和无效照明,可采用“车近灯亮、车过灯灭”的照明控制系统,即根据隧道是否有车通过等信息来随时调节照明程度。该系统的基础,是首先要获得隧道内行驶车辆的相关信息。想要提取行驶车辆相关信息,就必须检测和跟踪到行驶中的车辆。随着计算机视觉和图像处理技术的发展,多目标跟踪技术在安全监测、智能交通等方面都有着广阔的前景和巨大的经济价值。在多目标跟踪技术中,多目标相互遮挡和实时跟踪问题已成为研究的热点。作为非线性滤波方法的粒子滤波算法已被成功运用到了目标跟踪问题中。本文重点研究隧道中基于粒子滤波的多运动车辆跟踪技术,主要为两块:运动目标检测,多运动车辆跟踪。在运动目标检测模块,利用改进的码本背景建模方法消除阴影对运动目标检测的影响,提高了检测精确度。多运动车辆跟踪方面,针对标准粒子滤波算法随机采样导致的粒子发散以及运算量大的问题,本文基于目标检测区域来选定粒子采样空间,获取核函数加权颜色特征HSV直方图的目标模型。...
【文章来源】：贵州大学贵州省 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
统计平均法获取背景图像
2.2.3 码本背景建模方法标准码本模型的原理是以帧为单位将图像中的像素点建立码本，进行量化压缩，记录相关信息，采用更新码本中的码字来对变动的背景进行更新。码本背景建模的背景减除法分为三个步骤：定义码本结构，提取（训练）码本、背景减除。在训练阶段，该算法允许场景中存在运动前景；该建模过程中不涉及浮点运算，占用内存少，计算量小，能保证较好的实时性，且码本背景具有较好的前景分割性能。通过训练得到表征背景的码本后，将下一帧输入图像像素与码本作对比匹配。如果能发现匹配码字，那么把此像素认定为背景像素，否则确定为运动目标像素。除此之外，为了处理场景的变化对背景模型的影响，使用缓存码本 Cache来实现自适应更新，提高背景模型的稳定性。假设在 RGB 空间中的某个像素点，在不同时间点的观测值的集合为X={x1,x2,...,xN}，假设该像素点对应的码本为 C=(c1,...cL)，L 代表其中的码字个数，
消除冗余码字更新背景是否为最后一帧结束YN模能够得到效果较好的背景模型，在建模过程算，降低了计算量，仅需要很小的内存即可完应更新能力强。实验结果如图 2-4 所示。本文。图 2-3 码本背景建模流程图
【参考文献】：
期刊论文
[1]Kinect相机的机器人视觉里程计[J]. 安峰,陈强,查艳芳,陶文寅,刘辉. 单片机与嵌入式系统应用. 2017(09)
[2]温馨启行——面向视频物联网的智能候车室服务系统[J]. 姜涛,吴振飞,蔡毅杰,邵宝东,梁瑞宇. 物联网技术. 2017(03)
[3]一种基于随机码本的运动目标检测算法[J]. 方浩,李艾华,王涛,苏延召. 光电子·激光. 2014(11)
[4]自适应隧道节能照明控制系统设计方案[J]. 李良荣,王在浩,李震,马光喜. 贵州大学学报(自然科学版). 2014(05)
[5]基于背景和帧间差分法的运动目标提取[J]. 熊英. 计算机时代. 2014(03)
[6]视频处理中的车辆检测技术浅析[J]. 程高飞. 信息通信. 2014(01)
[7]基于视频处理的运动车辆检测算法的研究[J]. 张小建,徐慧. 液晶与显示. 2012(01)
博士论文
[1]光测图像目标检测跟踪与判读方法研究[D]. 郭鹏宇.国防科学技术大学 2015
[2]视频中运动目标阴影检测研究[D]. 代江艳.东北师范大学 2014
[3]基于改进粒子滤波算法的多目标智能视频跟踪研究[D]. 韩华.东华大学 2012
[4]卫星USB测控体制下信号特征参数的分析与识别[D]. 王乐.哈尔滨工业大学 2010
[5]视频监控中运动目标检测与跟踪方法研究[D]. 徐治非.上海交通大学 2009
硕士论文
[1]基于多特征融合的粒子滤波跟踪算法研究[D]. 刘同飞.兰州理工大学 2017
[2]基于分层关联的多目标跟踪算法研究[D]. 张晶.南京邮电大学 2016
[3]隧道交通状况的大数据挖掘方法研究[D]. 卢倩.贵州大学 2016
[4]改进快速粒子滤波算法的多目标检测与跟踪系统设计[D]. 赵栋梁.重庆邮电大学 2016
[5]基于固定摄像头的车流量检测技术算法研究[D]. 梁艳磊.吉林大学 2015
[6]基于码本学习的背景建模方法研究[D]. 秦志远.电子科技大学 2015
[7]交通环境下的车辆检测与跟踪算法研究与实现[D]. 何文伟.电子科技大学 2015
[8]复杂场景多特征融合粒子滤波目标跟踪[D]. 刘婕.重庆理工大学 2015
[9]基于高点视频的交通信息提取[D]. 高忠涛.上海交通大学 2015
[10]基于视频的目标跟踪及人群密度估计方法研究[D]. 郄志安.上海交通大学 2015
本文编号：3253167
【文章来源】：贵州大学贵州省 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
统计平均法获取背景图像
2.2.3 码本背景建模方法标准码本模型的原理是以帧为单位将图像中的像素点建立码本，进行量化压缩，记录相关信息，采用更新码本中的码字来对变动的背景进行更新。码本背景建模的背景减除法分为三个步骤：定义码本结构，提取（训练）码本、背景减除。在训练阶段，该算法允许场景中存在运动前景；该建模过程中不涉及浮点运算，占用内存少，计算量小，能保证较好的实时性，且码本背景具有较好的前景分割性能。通过训练得到表征背景的码本后，将下一帧输入图像像素与码本作对比匹配。如果能发现匹配码字，那么把此像素认定为背景像素，否则确定为运动目标像素。除此之外，为了处理场景的变化对背景模型的影响，使用缓存码本 Cache来实现自适应更新，提高背景模型的稳定性。假设在 RGB 空间中的某个像素点，在不同时间点的观测值的集合为X={x1,x2,...,xN}，假设该像素点对应的码本为 C=(c1,...cL)，L 代表其中的码字个数，
消除冗余码字更新背景是否为最后一帧结束YN模能够得到效果较好的背景模型，在建模过程算，降低了计算量，仅需要很小的内存即可完应更新能力强。实验结果如图 2-4 所示。本文。图 2-3 码本背景建模流程图
【参考文献】：
期刊论文
[1]Kinect相机的机器人视觉里程计[J]. 安峰,陈强,查艳芳,陶文寅,刘辉. 单片机与嵌入式系统应用. 2017(09)
[2]温馨启行——面向视频物联网的智能候车室服务系统[J]. 姜涛,吴振飞,蔡毅杰,邵宝东,梁瑞宇. 物联网技术. 2017(03)
[3]一种基于随机码本的运动目标检测算法[J]. 方浩,李艾华,王涛,苏延召. 光电子·激光. 2014(11)
[4]自适应隧道节能照明控制系统设计方案[J]. 李良荣,王在浩,李震,马光喜. 贵州大学学报(自然科学版). 2014(05)
[5]基于背景和帧间差分法的运动目标提取[J]. 熊英. 计算机时代. 2014(03)
[6]视频处理中的车辆检测技术浅析[J]. 程高飞. 信息通信. 2014(01)
[7]基于视频处理的运动车辆检测算法的研究[J]. 张小建,徐慧. 液晶与显示. 2012(01)
博士论文
[1]光测图像目标检测跟踪与判读方法研究[D]. 郭鹏宇.国防科学技术大学 2015
[2]视频中运动目标阴影检测研究[D]. 代江艳.东北师范大学 2014
[3]基于改进粒子滤波算法的多目标智能视频跟踪研究[D]. 韩华.东华大学 2012
[4]卫星USB测控体制下信号特征参数的分析与识别[D]. 王乐.哈尔滨工业大学 2010
[5]视频监控中运动目标检测与跟踪方法研究[D]. 徐治非.上海交通大学 2009
硕士论文
[1]基于多特征融合的粒子滤波跟踪算法研究[D]. 刘同飞.兰州理工大学 2017
[2]基于分层关联的多目标跟踪算法研究[D]. 张晶.南京邮电大学 2016
[3]隧道交通状况的大数据挖掘方法研究[D]. 卢倩.贵州大学 2016
[4]改进快速粒子滤波算法的多目标检测与跟踪系统设计[D]. 赵栋梁.重庆邮电大学 2016
[5]基于固定摄像头的车流量检测技术算法研究[D]. 梁艳磊.吉林大学 2015
[6]基于码本学习的背景建模方法研究[D]. 秦志远.电子科技大学 2015
[7]交通环境下的车辆检测与跟踪算法研究与实现[D]. 何文伟.电子科技大学 2015
[8]复杂场景多特征融合粒子滤波目标跟踪[D]. 刘婕.重庆理工大学 2015
[9]基于高点视频的交通信息提取[D]. 高忠涛.上海交通大学 2015
[10]基于视频的目标跟踪及人群密度估计方法研究[D]. 郄志安.上海交通大学 2015
本文编号：3253167
本文链接：https://www.wllwen.com/kejilunwen/qiche/3253167.html
