本文關(guān)鍵詞：基于連續(xù)視頻流的交通狀況與違章行為模式識(shí)別研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),機(jī)動(dòng)車(chē)的保有量明顯上升,交通事故也更為頻發(fā)。然而很大一部分交通事故都是因?yàn)檫`章行車(chē)引起的,因此對(duì)車(chē)輛行為進(jìn)行檢測(cè)并給與違章者適當(dāng)?shù)慕逃吞幜P,是減少違章行為的有效手段之一。對(duì)車(chē)輛違章行為進(jìn)行檢測(cè)的傳統(tǒng)方法都是基于磁感應(yīng)原理來(lái)工作。通過(guò)環(huán)形檢測(cè)線圈、交通微波檢測(cè)器、雷達(dá)測(cè)速等設(shè)備來(lái)提取交通參數(shù)的方法,在當(dāng)前比較常用。上述方法有其明顯的缺點(diǎn),如:安裝不方便、破壞路面、不易維護(hù)、獲取的交通信息量少等。視頻信息的特點(diǎn)有:直觀、具體、生動(dòng)、信息量大等。因此基于連續(xù)視頻流的交通狀況和違章行為分析成為國(guó)內(nèi)外廣大科技人員和學(xué)者關(guān)注的重點(diǎn)。本文首先在對(duì)常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行研究分析之后,用背景差分法來(lái)獲取運(yùn)動(dòng)目標(biāo),并采用多幀均值背景建模方法來(lái)建立背景模型并實(shí)現(xiàn)背景的不斷更新。根據(jù)運(yùn)動(dòng)目標(biāo)區(qū)域的長(zhǎng)寬比和占空比來(lái)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類(lèi),進(jìn)而提取出運(yùn)動(dòng)車(chē)輛。其次,研究分析了傳統(tǒng)的均值漂移算法在運(yùn)動(dòng)目標(biāo)跟蹤中的應(yīng)用,針對(duì)其缺點(diǎn),對(duì)算法進(jìn)行了改進(jìn),將卡爾曼濾波器位置預(yù)測(cè)機(jī)制和窗口自適應(yīng)目標(biāo)大小的機(jī)制引入到運(yùn)動(dòng)目標(biāo)的跟蹤算法中,提出了基于KF的窗口自適應(yīng)MS算法。同時(shí),本文對(duì)改進(jìn)的算法的性能和跟蹤效果進(jìn)行了分析,結(jié)果表明:改進(jìn)的算法性能和跟蹤效果都優(yōu)于傳統(tǒng)的均值漂移算法。然后,設(shè)計(jì)了基于車(chē)輛運(yùn)動(dòng)軌跡的車(chē)輛行為判斷和交通參數(shù)提取算法。并且,在對(duì)基于顏色的車(chē)牌定位算法和基于邊緣檢測(cè)的車(chē)牌定位算法進(jìn)行研究分析后,本文將以上兩種算法結(jié)合起來(lái)進(jìn)行車(chē)牌定位,即基于顏色和邊緣檢測(cè)的車(chē)牌定位算法。結(jié)果證明:該算法對(duì)車(chē)牌檢測(cè)的準(zhǔn)確率高于其他兩種算法。然后還介紹了車(chē)牌字符切分方法以及車(chē)牌字符識(shí)別方法。最后,本文在對(duì)基于連續(xù)視頻流的交通狀況與違章行為分析涉及到的算法進(jìn)行研究和部分改進(jìn)的基礎(chǔ)上,設(shè)計(jì)了一個(gè)智能交通分析系統(tǒng)。
【關(guān)鍵詞】：車(chē)輛檢測(cè) 車(chē)輛跟蹤 車(chē)牌識(shí)別 違章行為 交通參數(shù)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U491
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 研究工作的背景及意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.3 研究目的及主要內(nèi)容14
• 1.4 本文的組織安排14-16
• 第二章 運(yùn)動(dòng)目標(biāo)檢測(cè)16-31
• 2.1 圖像預(yù)處理16-20
• 2.1.1 圖像灰度化16-17
• 2.1.2 圖像平滑17-20
• 2.2 運(yùn)動(dòng)目標(biāo)檢測(cè)方法概述20-22
• 2.2.1 背景差分法20-21
• 2.2.2 幀間差分法21
• 2.2.3 光流法21-22
• 2.3 多幀均值背景建模22-24
• 2.3.1 多幀均值背景建模算法原理22-23
• 2.3.2 多幀均值背景建模實(shí)驗(yàn)結(jié)果分析23-24
• 2.4 圖像后處理24-27
• 2.4.1 差分圖像二值化24
• 2.4.2 圖像形態(tài)學(xué)處理24-27
• 2.5 背景差分法和幀間差分法的實(shí)驗(yàn)結(jié)果對(duì)比分析27-30
• 2.6 本章小結(jié)30-31
• 第三章 運(yùn)動(dòng)目標(biāo)分類(lèi)與運(yùn)動(dòng)車(chē)輛跟蹤31-54
• 3.1 運(yùn)動(dòng)目標(biāo)分類(lèi)31-34
• 3.1.1 運(yùn)動(dòng)目標(biāo)形狀特征描述31-33
• 3.1.2 運(yùn)動(dòng)目標(biāo)分類(lèi)方法33-34
• 3.2 運(yùn)動(dòng)車(chē)輛跟蹤34-53
• 3.2.1 運(yùn)動(dòng)目標(biāo)跟蹤方法概述35-37
• 3.2.2 基于Mean Shift的運(yùn)動(dòng)車(chē)輛跟蹤37-44
• 3.2.3 Kalman Fliter位置預(yù)測(cè)44-47
• 3.2.4 窗口自適應(yīng)算法原理47-49
• 3.2.5 基于KF的窗口自適應(yīng)MS算法49-53
• 3.3 本章小結(jié)53-54
• 第四章 車(chē)輛違章行為與交通狀況分析54-64
• 4.1 車(chē)輛違章行為分析54-61
• 4.1.1 車(chē)輛逆行檢測(cè)55-57
• 4.1.2 車(chē)輛占用非機(jī)動(dòng)車(chē)車(chē)道檢測(cè)57-61
• 4.2 交通狀況分析61-63
• 4.3 本章小結(jié)63-64
• 第五章 違章車(chē)輛車(chē)牌識(shí)別64-81
• 5.1 車(chē)牌定位64-76
• 5.1.1 基于顏色的車(chē)牌定位64-71
• 5.1.2 基于邊緣檢測(cè)的車(chē)牌定位71-75
• 5.1.3 基于顏色和邊緣檢測(cè)的車(chē)牌定位75-76
• 5.1.4 基于顏色和邊緣檢測(cè)的車(chē)牌定位算法測(cè)試76
• 5.2 車(chē)牌字符分割與字符提取76-78
• 5.2.1 車(chē)牌字符分割76-77
• 5.2.2 車(chē)牌字符提取77-78
• 5.3 車(chē)牌字符識(shí)別78-79
• 5.3.1 字符大小歸一化78-79
• 5.3.2 字符識(shí)別79
• 5.4 本章小結(jié)79-81
• 第六章 智能交通分析系統(tǒng)實(shí)現(xiàn)81-91
• 6.1 ITAS主要目標(biāo)81-82
• 6.2 系統(tǒng)結(jié)構(gòu)82
• 6.3 系統(tǒng)功能模塊設(shè)計(jì)82-85
• 6.3.1 管理模塊83
• 6.3.2 ITAS分析引擎83-85
• 6.3.3 客戶端（PC）85
• 6.4 數(shù)據(jù)庫(kù)表設(shè)計(jì)85-87
• 6.5 系統(tǒng)主要功能界面設(shè)計(jì)87-90
• 6.6 本章小結(jié)90-91
• 第七章 系統(tǒng)測(cè)試91-94
• 7.1 系統(tǒng)測(cè)試環(huán)境91
• 7.2 ITAS主要功能測(cè)試91-93
• 7.2.1 運(yùn)動(dòng)車(chē)輛違章行為判斷測(cè)試91-92
• 7.2.2 車(chē)流量統(tǒng)計(jì)測(cè)試92
• 7.2.3 違章車(chē)輛車(chē)牌識(shí)別測(cè)試92-93
• 7.3 測(cè)試結(jié)果總體分析93
• 7.4 本章小結(jié)93-94
• 第八章 總結(jié)與展望94-96
• 8.1 主要工作總結(jié)94-95
• 8.2 工作展望95-96
• 致謝96-97
• 參考文獻(xiàn)97-100
• 攻讀碩士學(xué)位期間獲得的成果100-101

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 楊昌勇,劉建偉,曹泉;車(chē)輛違章逆行的圖像自動(dòng)檢測(cè)與識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年10期

2 洪琦;沙新華;;基于視頻的車(chē)輛違章越線行為檢測(cè)方法研究[J];深圳信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年03期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 謝敏;基于視頻的車(chē)輛違章判別研究及無(wú)線傳輸實(shí)現(xiàn)[D];揚(yáng)州大學(xué);2014年

2 張潔;數(shù)字圖像邊緣檢測(cè)技術(shù)的研究[D];合肥工業(yè)大學(xué);2009年

3 劉肅亮;交通車(chē)輛違章智能視頻監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西北大學(xué);2004年

  本文關(guān)鍵詞：基于連續(xù)視頻流的交通狀況與違章行為模式識(shí)別研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：458003