智能交通监控视频中车型检测与分类方法的研究

论文摘要

21世纪的交通将是智能化的交通,智能交通系统(ITS)能快速准确地进行交通信息的采集、处理、决策和指挥调度,使交通基础设施发挥最大的效能。交通信息处理包括的车型的检测与分类是ITS的一个重要研究方向,本文通过对此领域的研究,提出了一种简单快速而且较为精确的车辆检测和分类算法,主要内容如下:在车辆检测方面,主要经过图像预处理、运动目标区域的获取、运动目标的精确定位和去阴影四个步骤。本文首先对视频图像预处理,去掉噪声;然后利用帧间差法进行运动目标区域的获取,不同于传统的只用灰度图像进行处理的方法,直接对相邻两幅彩色图像进行差分,然后二值化,并利用形态学的膨胀与腐蚀算法得到了更为准确的运动目标区域;在运动目标的准确定位方面,本文利用目前效果较好的定位算法——水平和垂直投影定位法,并改进该方法根据轮廓直接定位,在实验中得到了更为准确的运动目标;由于光照等原因检测的运动目标包含阴影,本文根据彩色图像提供的信息量大的特点,提出基于阴影区域像素值来进行处理的方法,该方法可根据实际需要,确定参考像素的位置和大小,很好的去掉了阴影的干扰,实用性很强。在车型分类方面,利用支持向量机进行训练和测试,得到大型车、中型车、小型车三种分类。将车辆检测所得到的运动目标样本进行特征提取,作为输入向量。该特征向量主要包含车辆的长度和宽度以及长宽比,用到的支持向量机的类型是n分类器,允许用异常值惩罚因子C进行不完全分类,输出结果是车型的三种分类。本文提出的方法适用多车道、多目标的复杂场景,能有效排除干扰,满足自然条件下ITS车辆检测和车型分类快速有效的要求,具有一定的理论意义和实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 课题的研究背景及意义
• §1-2 课题的研究现状
• §1-3 论文的主要研究内容
• §1-4 论文的内容安排和主要创新点
• 第二章 车辆的提取
• §2-1 图像的预处理
• 2-1-1 图像平滑
• 2-1-2 图像灰度化
• 2-1-3 图像二值化
• 2-1-4 形态学运算
• §2-2 运动目标的定位
• 2-2-1 运动目标定位的方法
• 2-2-2 本论文运动目标获取方法
• §2-3 运动目标的获取
• 2-3-1 常用目标获取方法
• 2-3-2 本论文目标获取方法
• §2-4 本论文阴影的去除方法
• §2-5 本章总结
• 第三章 车型的分类
• §3-1 模式识别简介
• §3-2 支持向量机理论
• 3-2-1 线性学习器
• 3-2-2 非线性SVM
• 3-2-3 SVM 分类器参数选择
• 3-2-4 SVM 分类器从二类到多类的推广
• §3-3 本文所用的支持向量机的方法
• §3-4 本章总结
• 第四章 系统实现
• §4-1 开发环境
• §4-2 系统设计
• §4-3 系统实现
• 第五章 总结与展望
• §5-1 工作总结
• §5-2 展望
• 参考文献
• 致谢