基于夜间交通视频的车辆检测与跟踪

发布时间：2017-07-03 20:12

  本文关键词：基于夜间交通视频的车辆检测与跟踪

  更多相关文章： 车辆检测与跟踪 无监督车灯检测 多尺度阈值分割 多目标跟踪 双向预判轨迹

【摘要】：智能交通系统(ITS)是目前世界交通运输领域正在研究和广泛关注的课题。其中一项重要的内容是交通场景中车辆的检测和跟踪,它为交通检测与信息采集提供了关键的技术。同时,在计算机视觉与机器学习领域,运动目标检测和多目标跟踪技术一直是研究热点,该领域中的核心技术在智能交通领域有着广泛的应用。本文在调研国内外相关工作基础上,基于车灯特征对夜间交通视频中的车辆进行检测,提出了基于规则的车灯的判定方法,随后在此基础上对车灯跟踪与匹配,实验了鲁棒的夜间车辆跟踪。利用自动评价技术对夜间车辆跟踪进行自动评价,验证了方法的准确性。本文的主要工作有：(1)基于规则的两阶段车灯检测方法。前期工作中我们通过选取正负车灯样本训练Adaboost分类器进行车灯检测,针对该方法花费实验时间过长、需要手工标记的样本量巨大等问题,提出了基于规则的两阶段车灯检测的方案。第一步,通过改进Ostu分割算法后的自适应多尺度阈值分割得到候选车灯区域；第二步,基于候选车灯区域的几何和光学等特征制定出判定规则,再一次判定验证候选车灯,得到最终的车灯检测结果。在我们采集的夜间交通视频数据集上,基于规则的两阶段车灯检测方法达到84%的准确率,而制定统计规则需要标注的样本量远小于训练分类器所需的样本量。(2)基于车灯跟踪与匹配的车辆跟踪以及车辆正反向轨迹的预判。本文提出运用多目标跟踪技术对视频连续帧图像中出现的车灯进行跟踪,并且将跟踪后车灯进行匹配,进而将一对车灯作为代表车辆的特征,完成车辆的跟踪。在跟踪过程中,为解决车辆前后遮挡对信息采集的准确度带来的影响,提出了基于速度估计的双向预判轨迹拟合技术,能够解决短时间内车辆遮挡的问题。最后基于正确率、缺失率、误判率和转变率等评价指标,验证了本文提出方法的鲁棒性。
【关键词】：车辆检测与跟踪 无监督车灯检测 多尺度阈值分割 多目标跟踪 双向预判轨迹
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-16
• 1.1 课题研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.3 本文的主要研究工作14-15
• 1.4 论文结构15-16
• 2 相关技术与前期工作16-30
• 2.1 夜间车辆的检测与跟踪方法研究16-23
• 2.1.1 基于分割技术的车辆检测16-20
• 2.1.2 基于有监督分类器的车辆检测20-23
• 2.2 前期工作23-28
• 2.2.1 基于阈值的候选车灯区域初选23-25
• 2.2.2 分类器的训练25-28
• 2.3 前期工作的不足28
• 2.4 本文的解决方案28-29
• 2.5 本章小结29-30
• 3 基于规则的车灯检测30-50
• 3.1 夜间交通视频图像的预处理30-35
• 3.1.1 图像感兴趣区域选取30-31
• 3.1.2 图像阈值分割方法31-35
• 3.2 车灯规则的制定35-46
• 3.2.1 面积与光学因素的规则36-42
• 3.2.2 车灯间距几何因素的规则42-46
• 3.3 实验结果与分析46-49
• 3.4 本章小结49-50
• 4 基于多目标跟踪技术的夜间车辆跟踪50-68
• 4.1 夜间车辆跟踪的流程50-52
• 4.1.1 车辆跟踪常用方法51
• 4.1.2 车灯的聚类过程51-52
• 4.2 基于双向估计的车灯跟踪52-57
• 4.2.1 基于多特征数据关联的多目标跟踪52-54
• 4.2.2 基于双向速度估计的预判轨迹拟合54-57
• 4.3 基于最大加权独立集模型的车灯匹配57-60
• 4.4 实验结果与分析60-67
• 4.4.1 开发与实验环境61
• 4.4.2 实验数据61
• 4.4.3 实验结果的评价与分析61-64
• 4.4.4 实验结果比较分析64-67
• 4.5 本章小结67-68
• 5 结论与展望68-70
• 5.1 本文工作总结68-69
• 5.2 未来展望69-70
• 参考文献70-73
• 作者简历73-75
• 学位论文数据集75

【参考文献】

中国期刊全文数据库 前5条

1 杨修国;;关于直方图双峰法的研究与改进[J];电子设计工程;2012年12期

2 孔军;汤心溢;蒋敏;;基于多尺度特征提取的运动目标定位研究[J];红外与毫米波学报;2011年01期

3 李闯;丁晓青;吴佑寿;;一种改进的AdaBoost算法——AD AdaBoost[J];计算机学报;2007年01期

4 王圣男,郁梅,蒋刚毅;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];计算机应用研究;2005年09期

5 于玲;吴铁军;;集成学习:Boosting算法综述[J];模式识别与人工智能;2004年01期

中国硕士学位论文全文数据库 前2条

1 陶弋卿;夜间车辆跟踪与自动评价技术[D];北京交通大学;2014年

2 刘利;道路交通事故统计分析及预测模型研究[D];重庆大学;2004年

  本文关键词：基于夜间交通视频的车辆检测与跟踪

  更多相关文章： 车辆检测与跟踪 无监督车灯检测 多尺度阈值分割 多目标跟踪 双向预判轨迹

，

本文编号：515036