本文選題：車輛識別　切入點：視覺檢測　出處：《南京理工大學》2016年碩士論文

【摘要】：本文研究了基于單目視覺的行車預警系統(tǒng),分別在白天車輛檢測、夜間車輛檢測以及車輛跟蹤三大技術領域內對國內外各種研究成果進行了分析對比,根據(jù)不同算法的特點以及在實際場景中遇到的問題設計了相應的改進算法。在白天場景下的車輛檢測中,針對傳統(tǒng)的基于Hough變換的車道線檢測算法不能提取彎道車道線的缺點,設計了基于對稱搜索的四次多項式車道線擬合算法,減小了擬合誤差。針對直接將疑似車輛目標結果輸入到SVM分類器進行分類的方法效率低的特點設計了基于PCA降維算法的驗證算法,即通過提取初步檢測結果的特征向量簡化分類器的輸入提高算法的檢測效率。在夜間車輛檢測中,針對傳統(tǒng)算法通過單一顏色閾值來分割車輛尾燈會誤檢測出其他發(fā)光背景的情況,分別建立了尾燈紅色光暈以及白色中心的HSV顏色模型,通過分別提取這兩種顏色來識別出車輛尾燈,并在獲得車輛尾燈初步檢測的基礎上利用證據(jù)融合算法來驗證檢測到的車輛尾燈。在車輛跟蹤過程中,設計了基于運動模型和跟蹤隊列的車輛跟蹤算法,通過運動模型預估車輛目標在下一幀中的位置,利用圖像匹配算法在預估位置周圍搜索車輛目標,用搜索結果對運動模型進行修正,并通過建立目標的跟蹤隊列來完成對車輛的跟蹤。通過對實際道路場景上拍攝的視頻進行處理的結果表明,在Windows 10操作系統(tǒng)以及3.2GHz CPU的環(huán)境下,采用本文設計的車輛檢測與跟蹤方法能夠準確的檢測出前方車輛并且能夠達到每秒20幀的檢測速度,能夠滿足實時性的要求。
[Abstract]:In this paper, the vehicle warning system based on monocular vision is studied. The research results are analyzed and compared in three technical fields: daytime vehicle detection, night vehicle detection and vehicle tracking. According to the characteristics of different algorithms and the problems encountered in the actual scene, the corresponding improved algorithm is designed. In the daytime vehicle detection, the traditional lane line detection algorithm based on Hough transform can not extract the curve lane line. In this paper, a new algorithm for lane fitting based on symmetric search is proposed. The fitting error is reduced. A verification algorithm based on PCA dimension reduction algorithm is designed for the low efficiency of the method of directly inputting the suspected vehicle target results into the SVM classifier for classification. That is, the detection efficiency of the algorithm is improved by extracting the eigenvector of the preliminary detection results, which simplifies the input of the classifier. Aiming at the situation that the traditional algorithm can detect the other luminous background by using a single color threshold, the HSV color model of the red halo and the white center of the taillight is established. The two colors are extracted to identify the vehicle taillights, and the evidence fusion algorithm is used to verify the detected taillights on the basis of obtaining the initial detection of the vehicle taillights. The vehicle tracking algorithm based on motion model and tracking queue is designed. The motion model is used to estimate the position of vehicle target in the next frame, and the image matching algorithm is used to search the vehicle target around the predicted position. The motion model is modified with the search results, and the vehicle tracking is accomplished by setting up the tracking queue of the target. The results of processing the video taken on the actual road scene show that, In the environment of Windows 10 operating system and 3.2GHz CPU, the vehicle detection and tracking method designed in this paper can accurately detect forward vehicles and achieve 20 frames per second detection speed, which can meet the real-time requirements.
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U463.6;TP277

【參考文獻】

相關期刊論文 前10條

1 王欣;高煒欣;武曉朦;王征;李華;;基于模糊模式識別的焊縫缺陷圖像檢測[J];西安石油大學學報(自然科學版);2016年04期

2 王威;胡桂明;楊麗;黃東芳;周楊;;基于ELM和PCA的漢語數(shù)字語音識別研究[J];電聲技術;2015年11期

3 周斌;徐向華;;基于視頻的夜間車輛檢測與跟蹤[J];電子技術與軟件工程;2015年18期

4 王婭;;基于證據(jù)理論與變精度粗集的判斷矩陣的構造[J];河南科學;2014年04期

5 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[J];中南大學學報(自然科學版);2013年S2期

6 歐志芳;安吉堯;周芳麗;;利用D-S證據(jù)理論的夜間車輛檢測[J];計算機應用研究;2012年05期

7 齊美彬;楊愛麗;蔣建國;李莉;;一種基于改進碼本的車輛檢測與跟蹤方法[J];中國圖象圖形學報;2011年03期

8 劉志強;宋世亮;汪澎;仲晶晶;;基于視覺的車輛側后方道路圖像檢測技術[J];計算機工程與設計;2010年12期

9 張春森;;基于點特征匹配的SUSAN,Harris算子比較[J];西安科技大學學報;2007年04期

10 劉勃,周荷琴,魏銘旭;基于顏色和運動信息的夜間車輛檢測方法[J];中國圖象圖形學報;2005年02期

相關博士學位論文 前1條

1 余天洪;基于機器視覺的車道偏離預警系統(tǒng)研究[D];吉林大學;2006年

，

本文編號：1663630