【摘要】：隨著我國(guó)經(jīng)濟(jì)和技術(shù)的發(fā)展,道路上的車(chē)流量大大增加,對(duì)于道路上的車(chē)輛進(jìn)行監(jiān)控采用傳統(tǒng)的人工方法已經(jīng)不能滿(mǎn)足需求。針對(duì)這一問(wèn)題,本文將車(chē)型識(shí)別技術(shù)和云計(jì)算技術(shù)相結(jié)合,通過(guò)流媒體視頻傳輸?shù)姆绞綄?shí)時(shí)處理統(tǒng)計(jì)道路上的車(chē)型情況,并將結(jié)果發(fā)布到網(wǎng)頁(yè)上,方便相關(guān)部門(mén)和公眾獲取道路信息。實(shí)驗(yàn)的結(jié)果顯示,該系統(tǒng)能夠有效實(shí)時(shí)的處理道路上的監(jiān)控視頻信息,并且車(chē)型識(shí)別的速率和準(zhǔn)確率也滿(mǎn)足設(shè)計(jì)指標(biāo),整體運(yùn)行情況良好。本文的主要研究?jī)?nèi)容如下:(1)流媒體視頻傳輸技術(shù)協(xié)議及實(shí)現(xiàn)。為了實(shí)現(xiàn)將道路監(jiān)控視頻實(shí)時(shí)傳輸?shù)教幚砥脚_(tái),本文運(yùn)用了流媒體傳輸?shù)募夹g(shù),通過(guò)DirectShow技術(shù)實(shí)現(xiàn)采集端視頻信息的采集,并且通過(guò)H.264編碼方式實(shí)現(xiàn)了視頻圖像的編碼,最后通過(guò)流媒體服務(wù)器Nginx-rtmp和流媒體傳輸協(xié)議RTMP實(shí)現(xiàn)編碼視頻信息的轉(zhuǎn)發(fā),主控平臺(tái)接收并存儲(chǔ)轉(zhuǎn)發(fā)的信息。(2)車(chē)輛圖像的車(chē)型識(shí)別算法。采用了多尺度融合特征的新算法來(lái)對(duì)車(chē)型進(jìn)行分類(lèi),具體是在多尺度情況下,獲取圖像的Hu矩和LBP特征,通過(guò)融合這兩種特征作為融合特征來(lái)識(shí)別車(chē)型。(3)云計(jì)算Hadoop平臺(tái)的搭建。本文研究了Hadoop平臺(tái)的搭建,構(gòu)建了云計(jì)算中分布式計(jì)算框架MapReduce函數(shù)的結(jié)構(gòu)設(shè)計(jì),將車(chē)型識(shí)別有效的和云計(jì)算相結(jié)合,提高了車(chē)型圖像的處理速度,滿(mǎn)足了對(duì)視頻圖像識(shí)別速度的設(shè)計(jì)指標(biāo)。
【圖文】：

要是用于差分運(yùn)算的背景幀容易受到外界天氣的影響，這些影響因素如果不考慮將去，在最后識(shí)別中就會(huì)造成提取出的車(chē)輛圖像失真，不利于后續(xù)車(chē)型識(shí)別的特征提識(shí)別。． 車(chē)輛提取特征（1）局部二值模式LBP（Local Binary Pattern，局部二值模式）是由 T. Ojala, M.Pietik inen 和 D. Harw位科研人員在 1994 年發(fā)明的一種非常有效的描述圖像紋理特征的算子，該算子在圖像的局部紋理特征上具有非常良好的旋轉(zhuǎn)不變性和灰度不變性[81]。最先發(fā)明的 LBP 算子是在3 3的一個(gè)窗口內(nèi)定義的，而中心值作為整個(gè)窗口的閾值，除中心值之外的八個(gè)像素的灰度值和閾值進(jìn)行差分計(jì)算，如果差分值大于 該像素點(diǎn)設(shè)定為 1，差分值小于 0 則設(shè)定為 0。在這樣的窗口內(nèi)最后能形成一個(gè)八二進(jìn)制數(shù)，也可以表示成為十進(jìn)制的 LBP 碼，總共 256 種變換，最終這個(gè)值作為像素點(diǎn)的 LBP 值，能夠用來(lái)描述窗口圖像的紋理特征。具體過(guò)程如下圖 4.2 所示

哈爾濱工程大學(xué)碩士學(xué)位論文圍被固定，這樣就不能處理不同尺寸和不同頻率下的紋理特征限問(wèn)題，，研究人員對(duì)原始的 LBP 算子做出了諸多的改進(jìn)和優(yōu)不同于立方體形狀的圓形來(lái)做為領(lǐng)域，這種算子被命名為圓形形算子拓展為了旋轉(zhuǎn)不變的 LBP 算子，也就是說(shuō)一組圓形 LB轉(zhuǎn)不變的，取最小值為 LBP 值[83]。下圖 4.3 為幾種 LBP 算子：
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王鵬;郭朋軍;郭建宇;;激光車(chē)型識(shí)別技術(shù)研究和應(yīng)用[J];中國(guó)交通信息化;2019年S1期

2 李勇;張瑋;;基于多維視頻技術(shù)的車(chē)型識(shí)別系統(tǒng)[J];中國(guó)交通信息化;2017年12期

3 宋俊芳;;基于3D模型的精確車(chē)型識(shí)別[J];智能城市;2018年08期

4 湯銳;劉玉錦;;車(chē)型識(shí)別技術(shù)在打擊高速公路逃費(fèi)中的應(yīng)用[J];中國(guó)交通信息化;2017年10期

5 顏?zhàn)客?;基于歷史數(shù)據(jù)的車(chē)型識(shí)別方案[J];中國(guó)交通信息化;2012年03期

6 江衛(wèi)強(qiáng);;Freeman編碼及其在車(chē)型識(shí)別中的應(yīng)用[J];機(jī)械工業(yè)自動(dòng)化;1988年03期

7 費(fèi)東煒;孫涵;;一種基于Bilinear-HashNet網(wǎng)絡(luò)的車(chē)型識(shí)別方法[J];小型微型計(jì)算機(jī)系統(tǒng);2019年08期

8 康s顂

本文編號(hào)：2654281