基于交通视频图像处理的车型识别技术的研究
发布时间：2021-12-23 08:48
如今国家大力发展智慧城市,使人们工作、学习和生活变得越来越智能化,交通作为人们日常生活的重要组成部分,急切地需要借助科技手段来帮助更好的管理和减少交通事故的发生。车辆是交通系统的主要元素,对车辆的管理能够很好地带动整个交通系统的管理,车型识别作为其中一个重要的分支也拥有非常丰富的应用价值,它在各种交通管理系统中都有非常广泛的应用,然而由于车辆和交通场景的复杂性,车型的识别技术还未在实际中取得良好的效果和突破,因此本文就车型的识别问题展开了研究。运动车辆检测,考虑到复杂交通场景下多因素干扰的特点,以视频图像像素点为建模对象,给出了一种基于混合高斯算法的复杂交通场景下运动目标车辆检测模型,并通过选取多维模型描述目标背景以增加车辆检测模型的可靠性。同时针对车辆在运动过程中产生的运动阴影问题,给出了一种基于颜色空间转换的车辆运动阴影抑制方法,考虑到背景模型中的其他微小干扰噪声,给出了一种基于图像最大连通域为原则的干扰噪声抑制方法,从而确保车辆提取的精确性与完整性,最后以广州市五山路的交通视频为实验数据验证了该方法的有效性。车辆特征提取,针对车辆灰度投影在水平、垂直方向上的分布特点,提出了一种车...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 车辆检测技术的发展
1.2.2 车型识别技术的研究现状
1.2.3 视频图像法车型识别技术的研究现状
1.3 论文的主要研究内容及结构安排
1.4 本章小节
第二章 交通视频图像的预处理
2.1 交通视频图像的特点
2.2 图像增强
2.2.1 图像灰度化
2.2.2 直方图均衡化
2.2.3 锐化空间滤波器
2.2.4 Retinex增强算法
2.3 图像噪声处理
2.3.1 噪声的概述
2.3.2 均值滤波法
2.3.3 统计排序滤波法
2.3.4 小波变换法
2.4 本章小结
第三章 运动车辆的检测
3.1 光流检测法
3.2 帧间差分法
3.2.1 两帧差分法
3.2.2 三帧差分法
3.3 背景差分法
3.3.1 序列加权法背景建模
3.3.2 单高斯背景建模
3.3.3 混合高斯背景建模
3.4 基于颜色空间变换的阴影抑制
3.5 本章小结
第四章 目标车辆的特征提取
4.1 基于投影法的车脸分割
4.2 基于边缘检测的特征提取
4.2.1 Canny算法介绍
4.2.2 结构边缘检测算法
4.3 HOG特征提取
4.4 组合特征提取
4.5 本章小节
第五章 车型分类器实现
5.1 特征变换及降维处理
5.2 支持向量机
5.2.1 线性可分的SVM
5.2.2 非线性可分的C-SVM
5.2.3 核函数映射下的SVM
5.2.4 基于SVM的多分类问题
5.3 AdaBoost-SVM级联分类器
5.3.1 AdaBoost理论
5.3.2 AdaBoost-SVM理论
5.3.3 多分类扩展
5.4 实验结果
5.4.1 实验步骤
5.4.2 SVM分类结果
5.4.3 AdaBoost-SVM分类结果
5.5 本章小结
第六章 总结及展望
6.1 研究成果
6.2 创新成果
6.3 研究展望
参考文献
攻读硕士学位期间取得的研究成果
Ⅳ-2答辩委员会对论文的评定意见
【参考文献】：
期刊论文
[1]基于图像处理技术的车型智能识别算法研究[J]. 睢丹,焦振. 中国西部科技. 2015(07)
[2]智能视频分析技术的最新发展与应用[J]. 李鹏飞,孙苗苗,高磊,赵炫. 中国安防. 2013(12)
[3]基于多特征融合的汽车车型模糊识别方法[J]. 聂小燕,祁媛媛,董昕. 微计算机应用. 2011(11)
[4]浅谈数字图像处理技术的基本原理[J]. 潘振赣,龚声蓉. 电脑知识与技术. 2010(06)
[5]基于纹理特征的汽车车型识别[J]. 马蓓,张乐. 电子科技. 2010(02)
[6]Boosting算法及其在动态视频图像中的应用[J]. 阴国富. 河北工业科技. 2008(05)
[7]基于视频图像Harris角点检测的车型识别[J]. 周爱军,杜宇人. 扬州大学学报(自然科学版). 2008(01)
[8]基于Adaboost算法的行人检测方法[J]. 郭烈,王荣本,张明恒,金立生. 计算机工程. 2008(03)
[9]一种改进的AdaBoost算法——AD AdaBoost[J]. 李闯,丁晓青,吴佑寿. 计算机学报. 2007(01)
[10]智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述[J]. 王圣男,郁梅,蒋刚毅. 计算机应用研究. 2005(09)
博士论文
[1]智能交通系统中车辆视频检测、识别与跟踪方法的研究[D]. 纪筱鹏.中国海洋大学 2006
硕士论文
[1]基于视频图像的车型识别技术的研究与实现[D]. 盛卓.哈尔滨工程大学 2012
[2]基于光流场的视频车辆检测与跟踪算法研究与应用[D]. 刘涛.武汉科技大学 2011
[3]基于视频图像处理的车辆识别技术研究[D]. 王蕾.中国海洋大学 2009
[4]车脸图像的特征提取[D]. 姚源.中南大学 2008
[5]车辆信息的视频提取方法及应用研究[D]. 郭琪超.南京航空航天大学 2007
[6]局部直方图均衡化算法研究及其应用[D]. 蔡超峰.郑州大学 2005
[7]一种基于感应线圈的车型识别系统[D]. 朱海涛.西南交通大学 2003
本文编号：3548173
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 车辆检测技术的发展
1.2.2 车型识别技术的研究现状
1.2.3 视频图像法车型识别技术的研究现状
1.3 论文的主要研究内容及结构安排
1.4 本章小节
第二章 交通视频图像的预处理
2.1 交通视频图像的特点
2.2 图像增强
2.2.1 图像灰度化
2.2.2 直方图均衡化
2.2.3 锐化空间滤波器
2.2.4 Retinex增强算法
2.3 图像噪声处理
2.3.1 噪声的概述
2.3.2 均值滤波法
2.3.3 统计排序滤波法
2.3.4 小波变换法
2.4 本章小结
第三章 运动车辆的检测
3.1 光流检测法
3.2 帧间差分法
3.2.1 两帧差分法
3.2.2 三帧差分法
3.3 背景差分法
3.3.1 序列加权法背景建模
3.3.2 单高斯背景建模
3.3.3 混合高斯背景建模
3.4 基于颜色空间变换的阴影抑制
3.5 本章小结
第四章 目标车辆的特征提取
4.1 基于投影法的车脸分割
4.2 基于边缘检测的特征提取
4.2.1 Canny算法介绍
4.2.2 结构边缘检测算法
4.3 HOG特征提取
4.4 组合特征提取
4.5 本章小节
第五章 车型分类器实现
5.1 特征变换及降维处理
5.2 支持向量机
5.2.1 线性可分的SVM
5.2.2 非线性可分的C-SVM
5.2.3 核函数映射下的SVM
5.2.4 基于SVM的多分类问题
5.3 AdaBoost-SVM级联分类器
5.3.1 AdaBoost理论
5.3.2 AdaBoost-SVM理论
5.3.3 多分类扩展
5.4 实验结果
5.4.1 实验步骤
5.4.2 SVM分类结果
5.4.3 AdaBoost-SVM分类结果
5.5 本章小结
第六章 总结及展望
6.1 研究成果
6.2 创新成果
6.3 研究展望
参考文献
攻读硕士学位期间取得的研究成果
Ⅳ-2答辩委员会对论文的评定意见
【参考文献】：
期刊论文
[1]基于图像处理技术的车型智能识别算法研究[J]. 睢丹,焦振. 中国西部科技. 2015(07)
[2]智能视频分析技术的最新发展与应用[J]. 李鹏飞,孙苗苗,高磊,赵炫. 中国安防. 2013(12)
[3]基于多特征融合的汽车车型模糊识别方法[J]. 聂小燕,祁媛媛,董昕. 微计算机应用. 2011(11)
[4]浅谈数字图像处理技术的基本原理[J]. 潘振赣,龚声蓉. 电脑知识与技术. 2010(06)
[5]基于纹理特征的汽车车型识别[J]. 马蓓,张乐. 电子科技. 2010(02)
[6]Boosting算法及其在动态视频图像中的应用[J]. 阴国富. 河北工业科技. 2008(05)
[7]基于视频图像Harris角点检测的车型识别[J]. 周爱军,杜宇人. 扬州大学学报(自然科学版). 2008(01)
[8]基于Adaboost算法的行人检测方法[J]. 郭烈,王荣本,张明恒,金立生. 计算机工程. 2008(03)
[9]一种改进的AdaBoost算法——AD AdaBoost[J]. 李闯,丁晓青,吴佑寿. 计算机学报. 2007(01)
[10]智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述[J]. 王圣男,郁梅,蒋刚毅. 计算机应用研究. 2005(09)
博士论文
[1]智能交通系统中车辆视频检测、识别与跟踪方法的研究[D]. 纪筱鹏.中国海洋大学 2006
硕士论文
[1]基于视频图像的车型识别技术的研究与实现[D]. 盛卓.哈尔滨工程大学 2012
[2]基于光流场的视频车辆检测与跟踪算法研究与应用[D]. 刘涛.武汉科技大学 2011
[3]基于视频图像处理的车辆识别技术研究[D]. 王蕾.中国海洋大学 2009
[4]车脸图像的特征提取[D]. 姚源.中南大学 2008
[5]车辆信息的视频提取方法及应用研究[D]. 郭琪超.南京航空航天大学 2007
[6]局部直方图均衡化算法研究及其应用[D]. 蔡超峰.郑州大学 2005
[7]一种基于感应线圈的车型识别系统[D]. 朱海涛.西南交通大学 2003
本文编号：3548173
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3548173.html
