基于視頻的高速公路車輛檢測與跟蹤在智能交通系統(tǒng)中有著至關(guān)重要的作用。車輛的檢測與跟蹤是對視頻中的運動車輛進行識別、提取,然后對車輛的運動軌跡進行跟蹤。研究更好的檢測與跟蹤算法,既能提高檢測的效率與準確率,也能提高視頻分析效率,還能為后續(xù)研究做準備。本文首先對實驗環(huán)境進行了詳細的介紹,通過已有的高速公路視頻提取幀,為運動車輛的檢測與跟蹤做好準備。在對運動車輛檢測算法進行分析研究的基礎(chǔ)上,論文重點研究了幀差法、背景差法,通過幀差法與背景差法相結(jié)合的方法,幀差法可以彌補背景差法對光照強度變化敏感的缺點,也不會對陰影問題造成多大影響,背景差法則可以彌補幀差法不能完整的提取出目標圖像相關(guān)點的問題,對背景進行動態(tài)更新,從而實現(xiàn)多鄰近幀融合的彩色靜態(tài)背景提取。對于跟路面顏色相似的車輛提取不完整問題,通過區(qū)域增長實現(xiàn)車輛的完整分割檢測。由于車輛本身的陰影會影響到實驗結(jié)果,本文對車輛自身陰影進行了陰影消除;根據(jù)陰影與路面相比灰度差值不大、車輛區(qū)域紋理遠比陰影區(qū)域豐富、車輛區(qū)域梯度值也遠大于陰影區(qū)域的特點,可通過多尺度小波變換實現(xiàn)陰影的去除。在對運動車輛跟蹤算法進行分類研究后,對于車輛的跟蹤算法,本文采用的...

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 運動目標檢測研究現(xiàn)狀
        1.2.2 運動目標跟蹤研究現(xiàn)狀
    1.3 主要研究內(nèi)容及論文結(jié)構(gòu)安排
        1.3.1 研究內(nèi)容
        1.3.2 結(jié)構(gòu)組織
第2章 基于OpenCV的視頻顯示與幀獲取
    2.1 OpenCV簡介
        2.1.1 為OpenCV配置系統(tǒng)環(huán)境變量
        2.1.2 配置OpenCV環(huán)境
    2.2 從視頻文件中提取幀
        2.2.1 建立操作界面
        2.2.2 打開視頻文件并抓取幀
第3章 運動車輛檢測
    3.1 靜態(tài)背景獲取
        3.1.1 幀間差分法:
        3.1.2 背景差分法:
        3.1.3 動態(tài)背景更新:
        3.1.4 車輛分割
    3.2 區(qū)域增長算法
    3.3 陰影去除及非車輛排除
第4章 運動車輛跟蹤
    4.1 目標跟蹤方法概述
    4.2 基于小波變換的目標奇異點的定位
        4.2.1 小波變換
        4.2.2 車輛長度定位
        4.2.3 車頭定位
    4.3 目標奇異點的跟蹤
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 不足之處
    5.3 展望
參考文獻
致謝
攻讀學位期間的研究成果



本文編號：4048240