低质量监控视频中的车辆信息识别技术的研究
发布时间：2021-08-29 02:25
随着科技的发展,智能交通管理系统应运而生。其最主要的组成部分车辆的检测、车辆颜色的识别与车辆轨迹的关联已成为广大学者与研究人员研究的热点。但是由于天气状况的多变性以及拍摄设备与角度的有限性等一系列问题影响着智能交通管理系统的性能。本文主要由三个方面来组成,首先是基于Fast-RCNN卷积神经网络的车辆检测系统,其次是利用基于超像素分割与词袋模型方法的车辆颜色识别系统,最后基于最近邻匹配标准的车辆轨迹关联系统。本文的主要工作及研究成果包括以下三个方面:1、总结了常见的车辆检测算法,增加了Fast-RCNN卷积神经网络层数,修改了网络参数使该框架适用于低质量视频中对车辆的检测,提高了遮挡情况下车辆检测的识别率,增强了车辆检测的鲁棒性,较好地解决了恶劣环境下车辆识别率低的问题,如对晚上车辆和雨天的车辆的检测。实验结果表明相比较于传统的车辆检测方法Fast-RCNN对遮挡目标的检测效果显著。2、提出了一种基于超像素分割与词袋模型相结合的车辆颜色识别方法,该方法实现对车辆的颜色进行自动识别。主要包含了对车辆基于颜色相似性聚类的分割方法、词袋模型与HSV空间相结合形成车辆颜色特征向量的方法。实验结...
【文章来源】：南京邮电大学江苏省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
颜色空间模型
而每个目标行驶方向各不相同，所以难免会因为遮挡而变得不再可靠，所以后面的车辆行简单的介绍。领域使用较多的一种方法，它还能应用于图像特征点检测。角点即通常所知道的两条边相交的局部邻域具有两个不同区域的不同方向的边点检测方法大多是检测拥有特定特征的图像点。标位置信息，并且还具有某些其他的特征，例征，颜色特征等。通俗的来说，在图像中，物些特征点即使视角发生改变依然能很好地描述
图 2.6 滑动窗口对内部区域、边界区域和角区域进行扫描本质就是取某个像素的固定窗口，将这个窗口在各个方向上进行平均的像素灰度值的变化。其计算公式如下：E( ) = ∑ ( ) ( ) ( ) )是一个窗口函数， ( )是图像在( )处的像素灰度值， 是窗是窗口在垂直方向上的偏移。 )进行二维泰勒级数变换，变换结果如公式(2.2)所示：E( ) ∑ ( ) ( ) ( ) = ( )∑ ( ) 管 的取值如何，E( )都是变化最大的，此时的像素点就是要
【参考文献】：
期刊论文
[1]基于深度学习的车辆检测方法[J]. 王德宇,徐友春,李永乐,陆峰,郑凯文. 计算机与现代化. 2017(08)
[2]复杂背景灰度图像下的多特征融合运动目标跟踪[J]. 江山,张锐,韩广良,孙海江. 中国光学. 2016(03)
[3]基于颜色和空间信息的多特征融合目标跟踪算法[J]. 许婉君,侯志强,余旺盛,张浪. 应用光学. 2015(05)
[4]一种基于运动检测的行人多目标跟踪算法[J]. 邹薇,赵勋杰,李权,陆凯. 计算机应用与软件. 2014(08)
[5]基于MeanShift算法的航空影像联合分割[J]. 许佳佳. 液晶与显示. 2014(04)
[6]车辆颜色识别方法研究[J]. 赵红波,张涵. 电视技术. 2013(23)
[7]一种基于BP神经网络的颜色空间量化方案[J]. 李苏梅,韩国强,周咏梅. 广西师范大学学报(自然科学版). 2008(01)
[8]K-MEANS算法中的K值优化问题研究[J]. 杨善林,李永森,胡笑旋,潘若愚. 系统工程理论与实践. 2006(02)
[9]CIELAB色度空间的均匀性研究[J]. 吕新广,赵美京. 郑州大学学报(理学版). 2002(01)
[10]基于聚类分析的色彩量化新算法及其应用[J]. 赵燕伟,王万良. 计算机辅助设计与图形学学报. 2000(05)
博士论文
[1]基于轮廓的目标检测研究[D]. 窦育民.电子科技大学 2016
[2]向量量化与图像压缩——理论分析、算法设计、应用、实现[D]. 庞朝阳.电子科技大学 2002
硕士论文
[1]基于多图像特征金字塔的车辆检测[D]. 曹晓明.北京交通大学 2016
[2]基于属性的车辆检索算法研究[D]. 于明月.大连海事大学 2015
[3]基于支持向量机的车身颜色识别方法研究[D]. 杨峰.电子科技大学 2013
[4]关于运动目标特征提取以及车辆颜色识别算法的研究[D]. 王琪.电子科技大学 2011
[5]基于Elman神经网络和聚类算法的颜色识别研究[D]. 彭波.长沙理工大学 2010
[6]基于BP神经网络的汽车颜色识别[D]. 杨丹.沈阳工业大学 2009
[7]基于视频的车辆目标检测与跟踪技术研究[D]. 周爱军.扬州大学 2008
本文编号：3369711
【文章来源】：南京邮电大学江苏省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
颜色空间模型
而每个目标行驶方向各不相同，所以难免会因为遮挡而变得不再可靠，所以后面的车辆行简单的介绍。领域使用较多的一种方法，它还能应用于图像特征点检测。角点即通常所知道的两条边相交的局部邻域具有两个不同区域的不同方向的边点检测方法大多是检测拥有特定特征的图像点。标位置信息，并且还具有某些其他的特征，例征，颜色特征等。通俗的来说，在图像中，物些特征点即使视角发生改变依然能很好地描述
图 2.6 滑动窗口对内部区域、边界区域和角区域进行扫描本质就是取某个像素的固定窗口，将这个窗口在各个方向上进行平均的像素灰度值的变化。其计算公式如下：E( ) = ∑ ( ) ( ) ( ) )是一个窗口函数， ( )是图像在( )处的像素灰度值， 是窗是窗口在垂直方向上的偏移。 )进行二维泰勒级数变换，变换结果如公式(2.2)所示：E( ) ∑ ( ) ( ) ( ) = ( )∑ ( ) 管 的取值如何，E( )都是变化最大的，此时的像素点就是要
【参考文献】：
期刊论文
[1]基于深度学习的车辆检测方法[J]. 王德宇,徐友春,李永乐,陆峰,郑凯文. 计算机与现代化. 2017(08)
[2]复杂背景灰度图像下的多特征融合运动目标跟踪[J]. 江山,张锐,韩广良,孙海江. 中国光学. 2016(03)
[3]基于颜色和空间信息的多特征融合目标跟踪算法[J]. 许婉君,侯志强,余旺盛,张浪. 应用光学. 2015(05)
[4]一种基于运动检测的行人多目标跟踪算法[J]. 邹薇,赵勋杰,李权,陆凯. 计算机应用与软件. 2014(08)
[5]基于MeanShift算法的航空影像联合分割[J]. 许佳佳. 液晶与显示. 2014(04)
[6]车辆颜色识别方法研究[J]. 赵红波,张涵. 电视技术. 2013(23)
[7]一种基于BP神经网络的颜色空间量化方案[J]. 李苏梅,韩国强,周咏梅. 广西师范大学学报(自然科学版). 2008(01)
[8]K-MEANS算法中的K值优化问题研究[J]. 杨善林,李永森,胡笑旋,潘若愚. 系统工程理论与实践. 2006(02)
[9]CIELAB色度空间的均匀性研究[J]. 吕新广,赵美京. 郑州大学学报(理学版). 2002(01)
[10]基于聚类分析的色彩量化新算法及其应用[J]. 赵燕伟,王万良. 计算机辅助设计与图形学学报. 2000(05)
博士论文
[1]基于轮廓的目标检测研究[D]. 窦育民.电子科技大学 2016
[2]向量量化与图像压缩——理论分析、算法设计、应用、实现[D]. 庞朝阳.电子科技大学 2002
硕士论文
[1]基于多图像特征金字塔的车辆检测[D]. 曹晓明.北京交通大学 2016
[2]基于属性的车辆检索算法研究[D]. 于明月.大连海事大学 2015
[3]基于支持向量机的车身颜色识别方法研究[D]. 杨峰.电子科技大学 2013
[4]关于运动目标特征提取以及车辆颜色识别算法的研究[D]. 王琪.电子科技大学 2011
[5]基于Elman神经网络和聚类算法的颜色识别研究[D]. 彭波.长沙理工大学 2010
[6]基于BP神经网络的汽车颜色识别[D]. 杨丹.沈阳工业大学 2009
[7]基于视频的车辆目标检测与跟踪技术研究[D]. 周爱军.扬州大学 2008
本文编号：3369711
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3369711.html
