【摘要】：基于機器視覺的運動目標檢測與跟蹤技術作為圖像處理領域的熱點和難點之一,被廣泛應用于智能交通、人機交互、人工智能等領域。對交通監(jiān)控視頻中的運動車輛進行檢測與跟蹤,能夠為智能交通系統(tǒng)提供關于車輛的交通參數(shù)信息。本文研究重點主要集中在對監(jiān)控視頻中的運動車輛進行準確檢測,然后在檢測的基礎上對車輛進行有效的跟蹤。因此本文根據(jù)國內(nèi)外研究學者對運動目標檢測與跟蹤最常用的方法入手,主要做了以下工作:首先,在運動車輛的檢測中,在幀差法與邊緣檢測法的基礎上,提出了一種基于改進三幀差法和邊緣檢測法結(jié)合的運動車輛檢測算法,以解決三幀差法檢測車輛輪廓不完整的問題。然后將改進三幀差法融合混合高斯背景建模得到最后的結(jié)果,以解決單一采用三幀差法檢測到的運動車輛內(nèi)部信息不太完整和單一采用混合高斯背景模型對光照敏感的問題。提高了算法對車輛檢測的準確性以及對外部光照變化的適應能力。其次,在運動車輛的跟蹤中,在對車輛檢測比較準確的基礎上,將車輛輪廓形心坐標作為研究對象。首先提取當前幀中車輛輪廓的形心坐標,然后通過卡爾曼濾波對下一幀圖像中車輛形心坐標預測,接著在下一幀圖像到來時提取該幀中檢測車輛輪廓的形心坐標作為卡爾曼濾波的觀測值,通過這個觀測值對上一時刻的預測值進行校正,最后將本次校正值作為下一個計算時刻的預測值,不斷循環(huán)將每次的檢測結(jié)果與跟蹤進行匹配直至完成整個運動車輛的跟蹤流程。最后,為了方便算法的維護和改進,根據(jù)本文對視頻圖像預處理、車輛檢測與跟蹤的研究路線和研究成果,本文對基于機器視覺的車輛檢測與跟蹤系統(tǒng)采用了模塊化的設計方案,即分為:視頻預處理、車輛檢測、車輛跟蹤與結(jié)果顯示四個模塊。本系統(tǒng)能夠?qū)σ曨l中的車輛進行有效檢測與跟蹤,通過后期對跟蹤結(jié)果分析可以得到關于車輛的相關信息。
【圖文】：

③ 加權平均值法：利用眼睛對不同顏色的敏感程度不一樣，將單一像素點的各個通道作加權平均計算求得灰度圖像。當前一般在灰度化處理視頻時都采用這種方法，如式（2-3）所示。(,)(,)(,)(,)123f xy= ω Rxy+ωGxy+ωBxy(2-3)其中，1ω 、2ω 和3ω 分別是三個通道顏色分量的權值，本文取 0.301ω =，0.592ω =， 0.113ω =。采用加權平均值法將視頻圖像灰度化后的結(jié)果如圖 2-1所示。

重復進行以上操作直到整個圖像處理完畢，計算公式如式（2-5）所示。g ( x,y)= median{ f(x k,y l)(k,l∈ω)}(2-5)其中，ω 是選取的模板，模板大小一般為 33× ， 5 × 5。 g ( x,y)表示濾波后的結(jié)果。此外中值濾波最大的不同之處在于它能夠保留圖像的邊緣信息。
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U495

【相似文獻】

相關期刊論文 前10條

1 孫志陽;;淺析智能交通中的車輛檢測技術及發(fā)展[J];居舍;2017年32期

2 張輝;;基于HOG-GentleBoost的車輛檢測方法[J];計算機時代;2018年06期

3 Wikipedia;錢仲興;;世界各國的車輛檢測[J];汽車與安全;2012年12期

4 田曉霞;王家碩;王會樸;;有限狀態(tài)機在夜間車輛檢測上的應用[J];石家莊鐵道大學學報(自然科學版);2016年04期

5 蔡英鳳;劉澤;孫曉強;陳龍;王海;;基于雙車輛可變形部件模型的車輛檢測方法[J];汽車工程;2017年06期

6 劉東偉;;基于雙車輛可變形部件模型的車輛檢測方法研究[J];南方農(nóng)機;2017年20期

7 曹曉娟;;智能交通系統(tǒng)中車輛檢測方法的研究[J];信息化建設;2015年12期

8 許柏平;周舟平;;手機在車輛檢測中的應用[J];汽車維護與修理;2013年05期

9 王建強;王履程;;基于機器視覺的隧道車輛檢測系統(tǒng)設計與實現(xiàn)[J];自動化與儀器儀表;2015年09期

10 董茜;游宇;;重慶機動車強檢“第一現(xiàn)場”[J];今日重慶;2017年06期

相關會議論文 前10條

1 孟超超;鮑泓;;車輛檢測研究綜述[A];中國計算機用戶協(xié)會網(wǎng)絡應用分會2018年第二十二屆網(wǎng)絡新技術與應用年會論文集[C];2018年

2 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車載行人車輛檢測系統(tǒng)[A];浙江省電子學會2013學術年會論文集[C];2013年

3 李舜酩;繆小冬;;視覺車輛檢測方法的研究進展及展望[A];2009全國虛擬儀器大會論文集（二）[C];2009年

4 李鵬飛;趙璽;劉兵;鄒永鋒;;復雜路況的移動車輛檢測與跟蹤方法[A];2018中國汽車工程學會年會論文集[C];2018年

5 吳園;黎寧;劉苗苗;;一種基于快速水平集方法的運動車輛檢測[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

6 鄒月嫻;王一言;關佩;楊華;陳維榮;;復雜視頻背景中的運動車輛檢測技術[A];第四屆和諧人機環(huán)境聯(lián)合學術會議論文集[C];2008年

7 吳嶸;何培宇;徐自勵;段文鋒;劉珂含;;一種去背景的車輛檢測與跟蹤快速算法[A];第十三屆全國信號處理學術年會（CCSP-2007）論文集[C];2007年

8 張有節(jié);蔡曉禹;彭博;李少博;;基于無人機視頻的車輛檢測與評價指標研究[A];2017年中國城市交通規(guī)劃年會論文集[C];2017年

9 高文寶;沙海云;周欣榮;柴干;;高速公路車輛檢測技術組合應用研究[A];第一屆中國智能交通年會論文集[C];2005年

10 魏東;劉毅;錢俊彥;;桂林機動車遠程審驗系統(tǒng)[A];廣西計算機學會2012年學術年會論文集[C];2012年

相關重要報紙文章 前10條

1 記者 肖劍雄;大小車輛檢測費均降20元[N];東莞日報;2017年

2 記者 幸笑薇;市人大代表開展“最多跑一次”調(diào)研[N];舟山日報;2017年

3 練洪洋;車輛檢測 興利除弊方能有效可靠[N];廣州日報;2015年

4 張奇 李小潔;車輛檢測，，為何招來怨聲一片[N];檢察日報;2002年

5 記者 楊耀青;車輛檢測更加公正透明[N];西安日報;2011年

6 鄭利平;湖州車輛檢測科研項目通過鑒定[N];中國交通報;2004年

7 記者 郭亮廷;認真安排部署 保障春節(jié)安全[N];郴州日報;2019年

8 通訊員 李金華;銅川政協(xié) 提案破解車輛檢測難[N];各界導報;2015年

9 記者 賈瑞芳;檢車進企業(yè) 溫暖送到家[N];河北經(jīng)濟日報;2009年

10 通訊員 劉繼紅;市交警簡化車輛檢測程序[N];咸寧日報;2009年

相關博士學位論文 前10條

1 蔡磊;部件檢測方法及其在車輛目標檢測中的應用[D];西北工業(yè)大學;2017年

2 顏卓;基于深層卷積神經(jīng)網(wǎng)絡的車輛檢測及屬性分析方法研究[D];中國科學院大學(中國科學院重慶綠色智能技術研究院);2018年

3 宋俊芳;基于圖像逆投影3D重建的車輛檢測關鍵技術研究[D];長安大學;2018年

4 張偉;基于視覺的運動車輛檢測與跟蹤[D];上海交通大學;2007年

5 王曾敏;小波圖像融合算法及其在視頻車輛檢測系統(tǒng)中的應用研究[D];天津大學;2009年

6 諶彤童;基于三維激光雷達的動態(tài)車輛檢測與跟蹤[D];國防科學技術大學;2016年

7 徐琨;交通視頻監(jiān)控中的車輛檢測與跟蹤方法研究[D];長安大學;2009年

8 許潔瓊;基于視頻圖像處理的車輛檢測與跟蹤方法研究[D];中國海洋大學;2012年

9 嚴捷豐;交通視頻監(jiān)控中的車輛檢測與分割方法研究[D];中國科學技術大學;2008年

10 朱周;復雜環(huán)境下基于視頻的車輛跟蹤算法研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 劉志成;基于機器視覺的車輛檢測與跟蹤方法研究[D];武漢理工大學;2018年

2 盛懌寒;基于多示例學習的弱監(jiān)督遙感圖像車輛檢測[D];廈門大學;2018年

3 王文濤;基于智能監(jiān)控下的車輛檢測與跟蹤[D];湖南大學;2014年

4 李文瀾;基于立體視覺和機器學習的車輛檢測方法的研究[D];吉林大學;2018年

5 徐斌;基于路側(cè)三維激光雷達的車輛檢測與追蹤方法研究[D];蘇州大學;2018年

6 李明;基于視頻信息的路口滯留車輛檢測關鍵技術研究[D];山東大學;2018年

7 戰(zhàn)昕;交通系統(tǒng)數(shù)據(jù)融合算法研究[D];西安工業(yè)大學;2018年

8 阮大雙;基于地磁傳感器的道路交通車輛檢測技術研究[D];杭州電子科技大學;2018年

9 武曉潔;基于視頻的車輛檢測與跟蹤方法研究[D];長安大學;2018年

10 張鶴鶴;區(qū)域卷積神經(jīng)網(wǎng)絡在車輛檢測中的應用研究[D];西安理工大學;2018年

本文編號：2590780