本文關(guān)鍵詞：基于交通視頻的車輛檢測與研究

  更多相關(guān)文章： 智能交通 車輛檢測 傅里葉描述子 紋理特征參數(shù) 空間模型

【摘要】：由于國民經(jīng)濟的增長,國內(nèi)的交通壓力日益增大,智能交通成為當(dāng)今交通工程領(lǐng)域研究的熱點。而隨著計算機技術(shù)的迅猛發(fā)展,計算機視覺的應(yīng)用價值越來越大,成為智能交通研究的主要方向。計算機視覺技術(shù)被用于視頻監(jiān)控系統(tǒng),可以完成對交通圖像的實時處理與信息挖掘,有助于車輛導(dǎo)航與交通管理。本文研究內(nèi)容包括車流量的統(tǒng)計、車輛類型的檢測與車輛大小的分級。車流量統(tǒng)計會受到粘連車輛的影響,目前的解決方法是通過視頻跟蹤來識別粘連車輛,這要求車輛之間有明顯的相對運動,最近研究提出了形態(tài)學(xué)分離粘連目標(biāo)的方法,但粘連面積過大的車輛無法分離,本文提出了基于紋理特征的粘連車輛識別方法,首先提取出車輛輪廓線圖,然后利用灰度分布特性計算圖像各局部區(qū)域的紋理特征參數(shù),再通過一系列修正算法,完成粘連車輛的識別與判斷；車輛類型檢測目前通過車牌識別實現(xiàn),這對檢測距離和圖像的清晰度要求很高,不能完成對大量交通流的分類統(tǒng)計工作,本文設(shè)計了車輛類型檢測算法,采用基于傅里葉描述子的方法提取出各種車型的基準(zhǔn)特征向量,生成圖像庫,車輛類型檢測通過圖像庫模板匹配來實現(xiàn)；車輛大小分級是無人收費站對車輛進行收費的參考指標(biāo),但目前收費站通過車載收發(fā)機完成自動收費,容易誤檢,本文利用積分思想建立了收費站車道的空間模型,并根據(jù)視差原理設(shè)計了誤差修正算法,能夠計算出車長與車寬,實現(xiàn)了對車輛大小的檢測與分級。本文用VC、MATLAB等軟件對車輛的檢測算法進行了實驗仿真,仿真結(jié)果表明：基于傅里葉描述子的檢測算法能夠很好地適應(yīng)車輛目標(biāo)的平移與翻轉(zhuǎn),通過將被檢車輛與圖像庫模板匹配能夠比較準(zhǔn)確地判斷車輛類型；基于紋理特征的識別方法,對粘連車輛識別的成功率高,能夠提高車流量統(tǒng)計的精度；在車輛外廓尺寸測量方面,利用視差原理對空間模型算法進行改進,提高了車輛外廓尺寸算法的精度。本文的工作優(yōu)化了車輛檢測系統(tǒng)的算法,有一定的應(yīng)用價值。
【關(guān)鍵詞】：智能交通 車輛檢測 傅里葉描述子 紋理特征參數(shù) 空間模型
【學(xué)位授予單位】：揚州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495;TP391.41
【目錄】：

• 摘要2-3
• ABSTRACT3-7
• 第一章 緒論7-12
• 1.1 課題背景7-8
• 1.2 課題目的及意義8
• 1.3 智能交通的國內(nèi)外研究現(xiàn)狀8-10
• 1.3.1 國外研究現(xiàn)狀8-9
• 1.3.2 國內(nèi)研究現(xiàn)狀9-10
• 1.4 本文主要內(nèi)容10-12
• 第二章 交通圖像處理與車輛檢測方法概述12-18
• 2.1 交通圖像預(yù)處理12-15
• 2.1.1 車道背景提取12-13
• 2.1.2 車道線檢測13-15
• 2.2 惡劣光照條件的車輛檢測15-17
• 2.2.1 雨霧環(huán)境檢測15-16
• 2.2.2 夜間車輛識別16-17
• 2.3 本章小結(jié)17-18
• 第三章 車輛類型檢測算法的研究18-25
• 3.1 車型檢測現(xiàn)狀18-19
• 3.2 車輛檢測硬件系統(tǒng)19-20
• 3.3 基于傅里葉描述子的算法設(shè)計20-21
• 3.4 檢測模板選取方案21-22
• 3.5 基準(zhǔn)特征向量構(gòu)建與實驗結(jié)果22-23
• 3.6 工作現(xiàn)場及車型檢測結(jié)果23-24
• 3.7 本章小結(jié)24-25
• 第四章 粘連車輛識別算法的研究25-37
• 4.1 車輛輪廓提取與檢測框設(shè)置25-27
• 4.1.1 車輛輪廓提取25-26
• 4.1.2 檢測框設(shè)置26-27
• 4.2 基于紋理的車輛檢測27-29
• 4.3 基于濾波掃描的定位方法29-33
• 4.3.1 濾波器設(shè)計30-31
• 4.3.2 算法描述31-32
• 4.3.3 濾波值曲線分析32-33
• 4.4 聚類分析與仿真實驗33-36
• 4.4.1 聚類分析基本概念33-34
• 4.4.2 仿真實驗34-36
• 4.5 本章小節(jié)36-37
• 第五章 車輛外廓尺寸算法測量的研究37-51
• 5.1 外廓尺寸參數(shù)37-39
• 5.1.1 車輛外廓尺寸37
• 5.1.2 像素37-39
• 5.2 車道空間模型的設(shè)計39-43
• 5.2.1 算法思想39-40
• 5.2.2 空間映射算法40-43
• 5.3 特征點定位的實現(xiàn)過程43-46
• 5.3.1 模板卷積運算43-44
• 5.3.2 卷積掃描判別44-46
• 5.4 車輛長度誤差修正算法設(shè)計與分析46-47
• 5.4.1 縱向誤差修正方案46
• 5.4.2 垂直誤差修正方案46-47
• 5.5 車輛寬度測量的算法設(shè)計與分析47-50
• 5.5.1 歐幾里得橫向視差分析47-49
• 5.5.2 AOli分段模型49
• 5.5.3 車寬計算過程49-50
• 5.6 本章小結(jié)50-51
• 第六章 總結(jié)與展望51-53
• 6.1 總結(jié)51
• 6.2 展望51-53
• 參考文獻53-57
• 致謝57-58
• 攻讀碩士學(xué)位期間取得的研究成果58-59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 趙濤;鄧偉;;結(jié)合PCA和FPD的傅里葉形狀描述子[J];計算機工程;2011年21期

2 張穎新;范東啟;楊迪;楊燦;;車型自動識別系統(tǒng)研究[J];交通與運輸(學(xué)術(shù)版);2006年01期

3 朱凱軍;周焰;蘭祖送;;基于區(qū)域分割的霧天圖像增強算法[J];計算機測量與控制;2006年05期

4 陳愛斌;基于特征車的汽車車型識別[J];信息技術(shù);2004年05期

5 吳援明,梁恩志;一種基于熵的放大后圖像質(zhì)量的評價方法[J];信號處理;2004年02期

6 ;Reverse triple I method of restriction for fuzzy reasoning[J];Progress in Natural Science;2002年05期

7 郁梅,蔣剛毅,郁伯康;智能交通系統(tǒng)中的計算機視覺技術(shù)應(yīng)用[J];計算機工程與應(yīng)用;2001年10期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉騰飛;針對車體遮擋的車流量統(tǒng)計算法[D];武漢理工大學(xué);2012年

，

本文編號：713513