近年來,人均汽車保有量的顯著增長帶來了交通壓力大、交通事故頻發(fā)、道路交通環(huán)境日趨惡劣等問題。為此,一種基于視頻分析的實(shí)時(shí)車輛檢測技術(shù)逐漸應(yīng)用于道路交通監(jiān)測中。然而,現(xiàn)有的交通監(jiān)測系統(tǒng)只針對(duì)單一車道進(jìn)行車輛檢測,并不能滿足對(duì)城市主干道路統(tǒng)一實(shí)時(shí)監(jiān)控的需求。因此,本文提出一種高效實(shí)時(shí)的基于HOG特征的車輛檢測算法,并針對(duì)主干道路進(jìn)行ROI區(qū)域劃分,同時(shí)設(shè)計(jì)了車輛軌跡數(shù)據(jù)處理模型,實(shí)現(xiàn)了一套能夠?qū)崟r(shí)檢測車輛、計(jì)算交通流參數(shù)、判別道路事件的車輛檢測系統(tǒng)。本文具體研究內(nèi)容及成果如下:（1）本文研究復(fù)雜道路背景下的車輛檢測系統(tǒng),提出基于HOG特征的目標(biāo)檢測算法,準(zhǔn)確率為89.12%。利用積分圖計(jì)算方法,提升HOG特征計(jì)算速率。為滿足高并發(fā)實(shí)時(shí)檢測的需求,提出基于模式匹配的圖像預(yù)處理方法,該方法能夠自動(dòng)確定ROI區(qū)域,剔除非道路背景圖像,有效提高了檢測算法的處理速度。改進(jìn)的目標(biāo)檢測算法的準(zhǔn)確率為92.87%,平均檢測速度提升至22.62ms/幀。（2）本文對(duì)車輛檢測系統(tǒng)中交通數(shù)據(jù)處理方法進(jìn)行了分析與研究。針對(duì)多變的應(yīng)用場景提出了改進(jìn)的虛擬線圈法,通過線圈過濾誤檢軌跡點(diǎn)準(zhǔn)確率提升至94.62%。同時(shí)提... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－４?ＨＯＧ特征圖像描述元素??

程中是從三方面對(duì)圖像進(jìn)行描述［２９：■。首先是滑動(dòng)窗口，用于描述物體的最小尺度；??其次是Ｃｅｌｌ，用于提取局部圖像的方向和梯度信息，劃分成九個(gè)區(qū)域的方向梯度；??最后是Ｂｌｏｃｋ，用于生成圖像的特征向量，如圖２－４所示。??匪一Ｊ－ＣｅＵ?）??ｒ－￣－?ｉ?ｉ＼??■＇?—Ｂｌｏｃｋ?ｒ－，??一滑動(dòng)窗口???Ｖ??檢測圖像??圖２－４?ＨＯＧ特征圖像描述元素??由上圖可知，ＨＯＧ的特征是通過Ｂｌｏｃｋ進(jìn)行滑動(dòng)掃描得到的。整個(gè)ＨＯＧ特??征提取的過程包括圖像預(yù)處理、計(jì)算梯度、計(jì)算統(tǒng)計(jì)直方圖、歸一化等幾個(gè)過程。??首先讀入待檢圖像進(jìn)行圖像預(yù)處理，由于系統(tǒng)應(yīng)用環(huán)境為全天候檢測，因此??采用Ｇａｍｍａ濾波ｔ３（）］旨在減小光照變化的影響。其次進(jìn)行梯度計(jì)算。通過模值和??相角計(jì)算公式可以得到每個(gè)像素的模值和方向。考慮到系統(tǒng)對(duì)計(jì)算速率有較高要??求，本文選擇簡單的一階模板進(jìn)行模板匹配，最終得到梯度圖像。計(jì)算統(tǒng)計(jì)方向??直方圖，將上一步計(jì)算得到的梯度圖像劃分為若干個(gè)Ｃｅｌｌ，每個(gè)Ｃｅｌｌ生成一個(gè)９??維的方向梯度直方圖。為了提高算法抗千擾性，將多個(gè)Ｃｅｌｌ組合成一個(gè)更大的??Ｂｌｏｃｋ，并進(jìn)行歸一化。利用Ｂｌｏｃｋ在圖像中進(jìn)行重疊掃描，通過組合Ｂｌｏｃｋ的特??征值可以得到滑動(dòng)窗口的特征值。最后將特征進(jìn)行歸一化

傾

【參考文獻(xiàn)】：
期刊論文
[1]從孟塞爾顏色空間到RGB的轉(zhuǎn)換[J]. 龔睿琪,盛建平.  工業(yè)控制計(jì)算機(jī). 2019(01)
[2]基于LBP的人臉圖像識(shí)別檢索算法[J]. 付念.  電子世界. 2018(23)
[3]我國道路交通事故現(xiàn)狀分析與預(yù)警體系搭建構(gòu)想[J]. 鄭曉鴻.  智能城市. 2018(21)
[4]多特征融合的行人檢測算法[J]. 程德強(qiáng),馮晨晨,唐世軒,游大磊.  煤炭技術(shù). 2018(10)
[5]論我國城市交通管理中存在問題與對(duì)策[J]. 姚鈴.  計(jì)算機(jī)產(chǎn)品與流通. 2018(08)
[6]一種基于多特征融合級(jí)聯(lián)分類器的車輛檢測算法[J]. 周行,陳淑榮.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(17)
[7]基于運(yùn)動(dòng)目標(biāo)軌跡的高速公路異常事件檢測算法研究[J]. 隋靚,黨建武.  計(jì)算機(jī)應(yīng)用與軟件. 2018(01)
[8]2017年全國發(fā)生重大交通安全事故案例分析[J]. 冠墩.  安全與健康. 2017(12)
[9]基于改進(jìn)CS算法的二維Ostu快速圖像分割[J]. 高宏進(jìn),王力,龔維印,楊幸.  通信技術(shù). 2017(12)
[10]基于非關(guān)系型數(shù)據(jù)庫的衛(wèi)星參數(shù)存儲(chǔ)與處理[J]. 楊揚(yáng)笛,吳海燕,李虎.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)

博士論文
[1]監(jiān)控視頻中的異常行為檢測研究[D]. 葉芳芳.浙江大學(xué) 2014
[2]云環(huán)境中典型應(yīng)用的I/O優(yōu)化策略研究[D]. 李弋.復(fù)旦大學(xué) 2012
[3]基于物理屬性的城市快速路交通流特征參數(shù)模型[D]. 趙娜樂.北京交通大學(xué) 2010

碩士論文
[1]基于視頻監(jiān)控的目標(biāo)檢測與跟蹤算法研究[D]. 姜丹.西安理工大學(xué) 2018
[2]基于FPGA+ARM的車載行人檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 鄧健峰.廣東工業(yè)大學(xué) 2018
[3]基于單目視頻的車輛測速研究[D]. 潘振軍.西南交通大學(xué) 2017
[4]側(cè)風(fēng)對(duì)大跨度橋梁行車安全的影響機(jī)理及管控方法研究[D]. 尹宏程.合肥工業(yè)大學(xué) 2017
[5]間斷流速度—密度模型及基于聯(lián)合參數(shù)的交通流狀態(tài)預(yù)測研究[D]. 張佳節(jié).華中科技大學(xué) 2016
[6]車輛頻繁換道對(duì)道路行車效率與安全影響研究[D]. 楊俊.長安大學(xué) 2016
[7]基于視頻圖像的交通事件自動(dòng)檢測系統(tǒng)關(guān)鍵算法研究[D]. 林浪橋.華南理工大學(xué) 2013
[8]基于視頻的交通參數(shù)檢測與分析[D]. 樓俊杰.大連交通大學(xué) 2013
[9]基于視頻的車輛速度檢測方法研究[D]. 袁河洋.大連海事大學(xué) 2013
[10]一種分布式服務(wù)框架的設(shè)計(jì)與實(shí)現(xiàn)[D]. 陶明.北京郵電大學(xué) 2013



本文編號(hào)：3022113