基于车载视频的异常运动区域检测方法研究
发布时间：2021-12-10 16:52
随着汽车工业的迅速发展和汽车数量的不断增加,同时伴随着越来越极端且频繁发生的交通事故,造成巨大的人员伤亡和财产损失。汽车安全驾驶技术、无人驾驶技术以及其他面向汽车安全驾驶的技术作为减少交通事故、人员伤亡和财产损失的有效手段,已逐渐成为交通工程领域的研究前沿。在面向汽车安全驾驶的技术中,运动目标的检测和跟踪已经取得了丰硕的研究成果。然而,目前的研究思路都需要先进行目标的分类和识别,比如行人、车辆、骑自行车的人等等,然后再进行跟踪。但是,由于驾驶环境的复杂性,比如晴天、雨天、雾天等不可控因素的影响,以及目标自身的形状、大小、姿态等因素的影响,给目标的准确检测带来了极大挑战。同时,这也意味着只能对特定类型的目标进行检测,而实际的驾驶环境中可能会出现各种各样的运动目标,这些方法也限制了汽车驾驶技术的作用。本课题中通过分析发现,驾驶员真正关注的是驾驶环境中所存在的异常运动目标,而无需识别异常运动目标的是行人还是车辆。因此,本文从异常运动检测的角度入手,通过结合运动信息和深度信息对交通环境进行分析,检测出运动区域,并构建异常性量化模型,对检测出的区域进行异常性量化并判断该区域是否会对自车造成威胁,...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 运动区域检测研究现状
1.2.1 基于图像特征的运动目标检测方法研究现状
1.2.2 基于运动特征的运动目标检测方法研究现状
1.3 本文的主要研究内容
1.4 本文组织结构
第2章 相关技术及基础
2.1 双目立体视觉技术
2.2 基于视频的运动目标检测技术
2.2.1 光流法
2.2.2 RANSAC算法
2.3 本章小结
第3章 基于运动信息和深度信息的运动区域检测
3.1 引言
3.2 基于运动信息的运动区域检测
3.2.1 关键步骤
3.2.2 传统检测算法的不足之处
3.3 基于运动信息和深度信息的运动区域检测方法
3.3.1 计算运动信息
3.3.2 基于深度信息对特征点对分层
3.3.3 基于运动模型对特征点对分类
3.3.4 基于密度聚类算法获取运动区域
3.4 实验与结果分析
3.4.1 实验参数设置
3.4.2 实验结果与讨论
3.5 本章小结
第4章 基于车载视频的异常运动区域检测
4.1 引言
4.2 异常性量化模型的关键步骤
4.2.1 计算速度大小的影响因子
4.2.2 计算距离的影响因子
4.2.3 计算运动方向的影响因子
4.2.4 获取异常运动区域
4.3 实验结果与分析
4.4 本章小结
第5章 基于车载视频的异常运动区域检测系统
5.1 需求分析
5.2 系统设计
5.3 系统实现
5.3.1 开发平台
5.3.2 系统界面设计及功能实现
5.3.3 算法实现
5.4 系统评估
5.4.1 评估方法
5.4.2 评估结果
5.5 本章小结
结论
参考文献
攻读硕士期间的主要科研成果
致谢
【参考文献】：
期刊论文
[1]结合Hough变换与Kalman滤波的车道线检测方法[J]. 郭笙听,李子印,赵储. 中国计量大学学报. 2017(04)
[2]基于帧间差分的ViBe运动目标检测[J]. 徐君妍,袁址赟,崔宗勇,曹宗杰. 科学技术与工程. 2017(27)
[3]基于帧差法和背景差法的运动目标检测[J]. 张应辉,刘养硕. 计算机技术与发展. 2017(02)
[4]高速公路汽车防碰撞预警系统的通信协议设计[J]. 邹光寿,蔡启仲,蓝全钊,翁超,包华倩,潘绍明. 大众科技. 2013(11)
博士论文
[1]智能视频监控中的目标识别与异常行为建模与分析[D]. 张一.上海交通大学 2010
硕士论文
[1]基于视觉注意机制的视频显著目标检测技术研究[D]. 吴卫东.北京工业大学 2015
[2]基于视频图像的交通事件自动检测系统关键算法研究[D]. 林浪桥.华南理工大学 2013
[3]视频监控系统中异常运动事件检测的研究与实现[D]. 刘宇帅.北京邮电大学 2013
[4]基于运动检测的高速公路交通事件检测算法研究[D]. 罗金满.华南理工大学 2011
[5]动态场景下基于空时显著性的运动目标检测研究[D]. 周文明.上海交通大学 2011
[6]智能视频监控系统中运动目标检测方法的研究[D]. 张黎.东北大学 2009
本文编号：3533019
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 运动区域检测研究现状
1.2.1 基于图像特征的运动目标检测方法研究现状
1.2.2 基于运动特征的运动目标检测方法研究现状
1.3 本文的主要研究内容
1.4 本文组织结构
第2章 相关技术及基础
2.1 双目立体视觉技术
2.2 基于视频的运动目标检测技术
2.2.1 光流法
2.2.2 RANSAC算法
2.3 本章小结
第3章 基于运动信息和深度信息的运动区域检测
3.1 引言
3.2 基于运动信息的运动区域检测
3.2.1 关键步骤
3.2.2 传统检测算法的不足之处
3.3 基于运动信息和深度信息的运动区域检测方法
3.3.1 计算运动信息
3.3.2 基于深度信息对特征点对分层
3.3.3 基于运动模型对特征点对分类
3.3.4 基于密度聚类算法获取运动区域
3.4 实验与结果分析
3.4.1 实验参数设置
3.4.2 实验结果与讨论
3.5 本章小结
第4章 基于车载视频的异常运动区域检测
4.1 引言
4.2 异常性量化模型的关键步骤
4.2.1 计算速度大小的影响因子
4.2.2 计算距离的影响因子
4.2.3 计算运动方向的影响因子
4.2.4 获取异常运动区域
4.3 实验结果与分析
4.4 本章小结
第5章 基于车载视频的异常运动区域检测系统
5.1 需求分析
5.2 系统设计
5.3 系统实现
5.3.1 开发平台
5.3.2 系统界面设计及功能实现
5.3.3 算法实现
5.4 系统评估
5.4.1 评估方法
5.4.2 评估结果
5.5 本章小结
结论
参考文献
攻读硕士期间的主要科研成果
致谢
【参考文献】：
期刊论文
[1]结合Hough变换与Kalman滤波的车道线检测方法[J]. 郭笙听,李子印,赵储. 中国计量大学学报. 2017(04)
[2]基于帧间差分的ViBe运动目标检测[J]. 徐君妍,袁址赟,崔宗勇,曹宗杰. 科学技术与工程. 2017(27)
[3]基于帧差法和背景差法的运动目标检测[J]. 张应辉,刘养硕. 计算机技术与发展. 2017(02)
[4]高速公路汽车防碰撞预警系统的通信协议设计[J]. 邹光寿,蔡启仲,蓝全钊,翁超,包华倩,潘绍明. 大众科技. 2013(11)
博士论文
[1]智能视频监控中的目标识别与异常行为建模与分析[D]. 张一.上海交通大学 2010
硕士论文
[1]基于视觉注意机制的视频显著目标检测技术研究[D]. 吴卫东.北京工业大学 2015
[2]基于视频图像的交通事件自动检测系统关键算法研究[D]. 林浪桥.华南理工大学 2013
[3]视频监控系统中异常运动事件检测的研究与实现[D]. 刘宇帅.北京邮电大学 2013
[4]基于运动检测的高速公路交通事件检测算法研究[D]. 罗金满.华南理工大学 2011
[5]动态场景下基于空时显著性的运动目标检测研究[D]. 周文明.上海交通大学 2011
[6]智能视频监控系统中运动目标检测方法的研究[D]. 张黎.东北大学 2009
本文编号：3533019
本文链接：https://www.wllwen.com/kejilunwen/qiche/3533019.html
