车载视频的运动目标检测与跟踪算法研究

发布时间：2017-07-13 23:11

  本文关键词：车载视频的运动目标检测与跟踪算法研究

  更多相关文章： 车道线识别 车辆检测 车辆跟踪 Kalman 滤波 GM(1 1)模型

【摘要】：车辆检测与跟踪算法是驾驶员安全辅助系统的核心,是智能车导航研究领域的热点,实时、准确、鲁棒的检测与跟踪算法能够使智能车实现有效的防偏、防撞、预警和控制。本文的研究目标是采用图像处理算法分析车载摄像头采集到的视频图像信息,检测并跟踪前方运动车辆,为驾驶员提供实时准确的道路信息,避免交通事故的发生。本文阐述了车辆检测与跟踪算法的研究背景及意义,研究并分析了图像预处理的基本方法、车道线识别、车辆检测与车辆跟踪算法。依据天空与路面相交处灰度的阶跃变化,给出了利用水平灰度均值分布曲线提取路面区域的方法;结合Canny算法和Hough变换检测车道线,采用较先进的直线-抛物线模型跟踪车道线;基于车底阴影和小孔成像原理确定车辆假设区域,在研究融合多特征验证感兴趣区域算法的基础上,给出了结合纹理、垂直梯度投影均值和边缘对称性三个特征分层验证假设区域的方法;进一步分析了基于Kalman滤波的车辆跟踪算法以及其优缺点,针对其可能存在着发散以及初值选取困难,并需要假设噪声参数和运动状态的问题,给出了基于灰色模型GM(1,1)的前方车辆跟踪算法,并将预测误差引进GM(1,1)模型,改进了跟踪算法,实现了实时准确的车辆跟踪。完成了前方车辆检测与跟踪系统的软件设计,实现了单帧检测与实时跟踪功能。论文采用PETS2001图像序列进行实验,从实时性和准确性两方面分析验证了算法的有效性,并明确了下一步研究方向以及应用前景。本文对车辆检测与跟踪技术进行了探索和研究,在驾驶员安全辅助系统应用方面有一定的参考价值。
【关键词】：车道线识别 车辆检测 车辆跟踪 Kalman 滤波 GM(1 1)模型
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 课题的研究背景及意义7
• 1.2 DAS研究现状7-9
• 1.2.1 国外研究现状8
• 1.2.2 国内研究现状8-9
• 1.3 本文主要内容及结构9-11
• 1.3.1 论文主要内容9
• 1.3.2 论文组成结构9-11
• 第二章 车载视频图像预处理11-17
• 2.1 图像灰度化11-12
• 2.2 图像平滑去噪12-15
• 2.2.1 邻域平均值法13-14
• 2.2.2 中值滤波法14
• 2.2.3 高斯滤波法14-15
• 2.2.4 结果对比15
• 2.3 提取路面区域15-16
• 2.4 本章小节16-17
• 第三章 车道线识别算法研究17-24
• 3.1 车道线检测17-20
• 3.1.1 Canny算法17
• 3.1.2 Hough变换17-19
• 3.1.3 检测结果19-20
• 3.2 车道线跟踪20-23
• 3.2.1 车道模型20-21
• 3.2.2 车道模型匹配21-22
• 3.2.3 车道线跟踪结果22-23
• 3.3 本章小节23-24
• 第四章 前方车辆检测算法研究24-36
• 4.1 常用车辆检测方法24
• 4.2 车辆假设区域生成24-29
• 4.2.1 车底阴影检测25-26
• 4.2.2 感兴趣区域确定26-29
• 4.3 车辆假设区域验证29-32
• 4.3.1 车辆特征分析29-31
• 4.3.2 结合多特征验证车辆假设区域31-32
• 4.4 前方车辆检测算法流程32-33
• 4.5 前方车辆检测结果33-35
• 4.6 本章小节35-36
• 第五章 前方车辆跟踪算法研究36-50
• 5.1 基于Kalman滤波算法的车辆跟踪36-40
• 5.1.1 Kalman滤波原理36-37
• 5.1.2 Kalman滤波跟踪算法流程37-40
• 5.1.3 Kalman滤波的优缺点40
• 5.2 基于GM(1,1)的前方车辆跟踪40-46
• 5.2.1 GM(1,1)模型40-41
• 5.2.2 GM(1,1)模型跟踪流程41-44
• 5.2.3 改进GM(1,1)模型44-46
• 5.3 Kalman滤波与GM(1,1)模型跟踪方法的分析比较46-48
• 5.4 前方车辆跟踪结果48-49
• 5.5 本章小节49-50
• 第六章 系统设计与实验结果分析50-56
• 6.1 系统设计50-54
• 6.1.1 系统结构与功能50-53
• 6.1.2 系统运行界面53-54
• 6.2 实验结果分析54-55
• 6.3 本章小结55-56
• 第七章 总结与展望56-58
• 致谢58-59
• 参考文献59-63
• 作者简介63
• 攻读硕士学位期间研究成果63

【相似文献】

中国期刊全文数据库 前10条

1 卞建勇;徐建闽;裴海龙;;基于强化学习的视频车辆跟踪[J];华南理工大学学报(自然科学版);2008年10期

2 张晓媚;陈伟海;刘敬猛;赵志文;;基于柔性曲杆的车辆跟踪算法设计与实现[J];北京航空航天大学学报;2011年07期

3 甘玲;潘小雷;;一种应用于交通环境中的运动车辆跟踪方法[J];重庆邮电大学学报(自然科学版);2013年03期

4 郭锋;王秉政;杨晨晖;;复杂背景下车辆跟踪的改进算法及逆行检测[J];图学学报;2013年04期

5 魏玉强;王成儒;;多车辆跟踪时分割粘连车辆的方法[J];电视技术;2009年11期

6 王文龙;李清泉;;基于蒙特卡罗算法的车辆跟踪方法[J];测绘学报;2011年02期

7 李t，

本文编号：538738