本文選題：智能交通 + 車輛檢測�。� 參考：《東南大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年04期

【摘要】：為了從廣域的視角準(zhǔn)確全面地識(shí)別交通流信息,針對無人機(jī)視頻提出了基于對稱幀差和分塊背景建模的車輛自動(dòng)檢測方法.首先,對視頻圖像進(jìn)行4×4降維處理和灰度化處理,并人工勾勒出感興趣區(qū)域(ROI),以降低圖像維度,劃定檢測區(qū)域;其次,利用對稱幀間差分法提取ROI中的運(yùn)動(dòng)目標(biāo),并在此基礎(chǔ)上應(yīng)用分塊背景建模獲得背景圖像;然后,通過背景差分初步提取車輛信息;最后,基于形態(tài)學(xué)處理等方法消除噪聲,實(shí)現(xiàn)車輛識(shí)別.此外,提出了針對車輛識(shí)別算法的正檢率、重檢率、漏檢率和錯(cuò)檢率4個(gè)評價(jià)指標(biāo).基于150幀無人機(jī)視頻圖像對算法進(jìn)行測試,結(jié)果表明:算法具有較高的正檢率(均值92.29%)、較低的漏檢率(均值7.31%)與錯(cuò)檢率(均值0.39%),而重檢率為0.
[Abstract]:In order to accurately and comprehensively identify traffic flow information from a wide area perspective, an automatic vehicle detection method based on symmetrical frame difference and block background modeling is proposed for UAV video. Firstly, the video image is processed with 4 脳 4 dimensionality reduction and grayscale processing, and the region of interest is manually delineated to reduce the image dimension and delimit the detection area. Secondly, the moving object in ROI is extracted by symmetrical inter-frame difference method. On this basis, the background image is obtained by using block background modeling. Then, the vehicle information is extracted by background difference. Finally, the noise is eliminated based on morphological processing to realize vehicle recognition. In addition, four evaluation indexes for vehicle recognition algorithm, such as positive check rate, recheck rate, missed detection rate and error detection rate, are proposed. The algorithm is tested based on 150 frames of UAV video images. The results show that the algorithm has higher positive detection rate (mean 92.29), lower miss rate (mean 7.31) and false detection rate (mean 0.39%, and recheck rate 0).
【作者單位】： 重慶交通大學(xué)交通運(yùn)輸學(xué)院;
【基金】：重慶市社會(huì)事業(yè)與民生保障科技創(chuàng)新專項(xiàng)資助項(xiàng)目(cstc2015shms-ztzx30002,cstc2015shms-ztzx0127) 重慶市教委科學(xué)研究資助項(xiàng)目(KJ1600513) 重慶交通大學(xué)科研啟動(dòng)資助項(xiàng)目(15JDKJC-A002) 重慶市科委基礎(chǔ)科學(xué)與前沿技術(shù)研究資助項(xiàng)目(cstc2017jcyjAX0473)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金俁欣;陶霖密;徐光yP;彭玉新;;攝像機(jī)自由運(yùn)動(dòng)環(huán)境下的背景建模[J];中國圖象圖形學(xué)報(bào);2008年02期

2 王智靈;周露平;陳宗海;;針對不同信息特征的魯棒背景建模技術(shù)分析[J];模式識(shí)別與人工智能;2009年02期

3 姜忠民;趙建民;朱信忠;;基于最大間隔聚類的背景建模方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年10期

4 余孟澤;劉正熙;駱健;楊丹;;基于塊背景建模的運(yùn)動(dòng)目標(biāo)檢測[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

5 葛海淼;戴學(xué)豐;王成琳;;一種新型移動(dòng)物體檢測及背景建模系統(tǒng)[J];電子技術(shù)應(yīng)用;2013年01期

6 桑農(nóng);張濤;李斌;吳翔;;基于字典學(xué)習(xí)的背景建模[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

7 左軍毅;潘泉;梁彥;張洪才;程詠梅;;基于模型切換的自適應(yīng)背景建模方法[J];自動(dòng)化學(xué)報(bào);2007年05期

8 張水發(fā);丁歡;張文生;;雙模型背景建模與目標(biāo)檢測研究[J];計(jì)算機(jī)研究與發(fā)展;2011年11期

9 楊敏;安振英;;基于低秩矩陣恢復(fù)的視頻背景建模[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

10 李子龍;劉偉銘;張陽;;基于自適應(yīng)模糊估計(jì)的背景建模方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

相關(guān)會(huì)議論文 前5條

1 王智靈;陳宗海;周露平;;基于多信息層次的魯棒背景建模方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 李霞;董雁冰;王亞輝;王俊;;空間光學(xué)輻射背景建模研究[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

3 何強(qiáng);林宏基;;基于蟻群算法的自適應(yīng)背景建模[A];第十一屆中國體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2006年

4 李恒暉;楊金鋒;任小慧;吳仁彪;;一種多約束條件的混合高斯背景建模方法[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

5 韓穎婕;張海;李琳怡;;基于混合高斯背景建模的陰影抑制算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 葉芳芳;監(jiān)控視頻中的異常行為檢測研究[D];浙江大學(xué);2014年

2 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

3 何志偉;基于模型的目標(biāo)提取及其在智能交通中的應(yīng)用[D];浙江大學(xué);2006年

4 江疆;基于稀疏表達(dá)的若干分類問題研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉雨辰;復(fù)雜背景中的多目標(biāo)檢測與跟蹤[D];內(nèi)蒙古大學(xué);2015年

2 胡婷;基于視頻技術(shù)的車輛檢測跟蹤及分類算法研究與實(shí)現(xiàn)[D];長安大學(xué);2015年

3 楊文幫;基于視頻分析的人群流量檢測[D];貴州民族大學(xué);2015年

4 賴文杰;基于ARM-FPGA的視覺追蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

5 宋歡歡;復(fù)雜場景下背景建模方法的研究與實(shí)現(xiàn)[D];南昌大學(xué);2015年

6 蘇建安;面向智能視頻監(jiān)控的高動(dòng)態(tài)場景建模和修復(fù)[D];電子科技大學(xué);2014年

7 滕琳琳;基于高階擴(kuò)展FMM和低秩矩陣恢復(fù)的信號重建研究[D];河北工業(yè)大學(xué);2015年

8 張?bào)@州;復(fù)雜場景下基于視頻的行人流量統(tǒng)計(jì)算法研究[D];電子科技大學(xué);2014年

9 陳星明;基于背景建模的運(yùn)動(dòng)目標(biāo)監(jiān)控視頻檢測算法[D];南京大學(xué);2015年

10 柯太清;基于快速背景建模的人物越界檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

，

本文編號：1842710