發(fā)布時間：2021-06-27 16:08

　　隨著我國交通建設的發(fā)展,我國已經(jīng)具有全球最長里程的高速公路,也是隧道、橋梁建設最多的國家。隧道在給交通帶來便利的同時也對交通安全管理和照明控制系統(tǒng)提出了新的要求。為了解決隧道中存在的過度照明和無效照明,可采用“車近燈亮、車過燈滅”的照明控制系統(tǒng),即根據(jù)隧道是否有車通過等信息來隨時調(diào)節(jié)照明程度。該系統(tǒng)的基礎,是首先要獲得隧道內(nèi)行駛車輛的相關信息。想要提取行駛車輛相關信息,就必須檢測和跟蹤到行駛中的車輛。隨著計算機視覺和圖像處理技術的發(fā)展,多目標跟蹤技術在安全監(jiān)測、智能交通等方面都有著廣闊的前景和巨大的經(jīng)濟價值。在多目標跟蹤技術中,多目標相互遮擋和實時跟蹤問題已成為研究的熱點。作為非線性濾波方法的粒子濾波算法已被成功運用到了目標跟蹤問題中。本文重點研究隧道中基于粒子濾波的多運動車輛跟蹤技術,主要為兩塊:運動目標檢測,多運動車輛跟蹤。在運動目標檢測模塊,利用改進的碼本背景建模方法消除陰影對運動目標檢測的影響,提高了檢測精確度。多運動車輛跟蹤方面,針對標準粒子濾波算法隨機采樣導致的粒子發(fā)散以及運算量大的問題,本文基于目標檢測區(qū)域來選定粒子采樣空間,獲取核函數(shù)加權顏色特征HSV直方圖的目標模型。... 

【文章來源】：貴州大學貴州省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

統(tǒng)計平均法獲取背景圖像

2.2.3 碼本背景建模方法標準碼本模型的原理是以幀為單位將圖像中的像素點建立碼本，進行量化壓縮，記錄相關信息，采用更新碼本中的碼字來對變動的背景進行更新。碼本背景建模的背景減除法分為三個步驟：定義碼本結構，提�。ㄓ柧殻┐a本、背景減除。在訓練階段，該算法允許場景中存在運動前景；該建模過程中不涉及浮點運算，占用內(nèi)存少，計算量小，能保證較好的實時性，且碼本背景具有較好的前景分割性能。通過訓練得到表征背景的碼本后，將下一幀輸入圖像像素與碼本作對比匹配。如果能發(fā)現(xiàn)匹配碼字，那么把此像素認定為背景像素，否則確定為運動目標像素。除此之外，為了處理場景的變化對背景模型的影響，使用緩存碼本 Cache來實現(xiàn)自適應更新，提高背景模型的穩(wěn)定性。假設在 RGB 空間中的某個像素點，在不同時間點的觀測值的集合為X={x1,x2,...,xN}，假設該像素點對應的碼本為 C=(c1,...cL)，L 代表其中的碼字個數(shù)，

消除冗余碼字更新背景是否為最后一幀結束YN模能夠得到效果較好的背景模型，在建模過程算，降低了計算量，僅需要很小的內(nèi)存即可完應更新能力強。實驗結果如圖 2-4 所示。本文。圖 2-3 碼本背景建模流程圖

【參考文獻】：
期刊論文
[1]Kinect相機的機器人視覺里程計[J]. 安峰,陳強,查艷芳,陶文寅,劉輝.  單片機與嵌入式系統(tǒng)應用. 2017(09)
[2]溫馨啟行——面向視頻物聯(lián)網(wǎng)的智能候車室服務系統(tǒng)[J]. 姜濤,吳振飛,蔡毅杰,邵寶東,梁瑞宇.  物聯(lián)網(wǎng)技術. 2017(03)
[3]一種基于隨機碼本的運動目標檢測算法[J]. 方浩,李艾華,王濤,蘇延召.  光電子·激光. 2014(11)
[4]自適應隧道節(jié)能照明控制系統(tǒng)設計方案[J]. 李良榮,王在浩,李震,馬光喜.  貴州大學學報(自然科學版). 2014(05)
[5]基于背景和幀間差分法的運動目標提取[J]. 熊英.  計算機時代. 2014(03)
[6]視頻處理中的車輛檢測技術淺析[J]. 程高飛.  信息通信. 2014(01)
[7]基于視頻處理的運動車輛檢測算法的研究[J]. 張小建,徐慧.  液晶與顯示. 2012(01)

博士論文
[1]光測圖像目標檢測跟蹤與判讀方法研究[D]. 郭鵬宇.國防科學技術大學 2015
[2]視頻中運動目標陰影檢測研究[D]. 代江艷.東北師范大學 2014
[3]基于改進粒子濾波算法的多目標智能視頻跟蹤研究[D]. 韓華.東華大學 2012
[4]衛(wèi)星USB測控體制下信號特征參數(shù)的分析與識別[D]. 王樂.哈爾濱工業(yè)大學 2010
[5]視頻監(jiān)控中運動目標檢測與跟蹤方法研究[D]. 徐治非.上海交通大學 2009

碩士論文
[1]基于多特征融合的粒子濾波跟蹤算法研究[D]. 劉同飛.蘭州理工大學 2017
[2]基于分層關聯(lián)的多目標跟蹤算法研究[D]. 張晶.南京郵電大學 2016
[3]隧道交通狀況的大數(shù)據(jù)挖掘方法研究[D]. 盧倩.貴州大學 2016
[4]改進快速粒子濾波算法的多目標檢測與跟蹤系統(tǒng)設計[D]. 趙棟梁.重慶郵電大學 2016
[5]基于固定攝像頭的車流量檢測技術算法研究[D]. 梁艷磊.吉林大學 2015
[6]基于碼本學習的背景建模方法研究[D]. 秦志遠.電子科技大學 2015
[7]交通環(huán)境下的車輛檢測與跟蹤算法研究與實現(xiàn)[D]. 何文偉.電子科技大學 2015
[8]復雜場景多特征融合粒子濾波目標跟蹤[D]. 劉婕.重慶理工大學 2015
[9]基于高點視頻的交通信息提取[D]. 高忠濤.上海交通大學 2015
[10]基于視頻的目標跟蹤及人群密度估計方法研究[D]. 郄志安.上海交通大學 2015



本文編號：3253167