交通视频图像中车辆提取分类方法研究

论文摘要

社会和经济的不断进步，交通运输问题却越来越严重，伴随计算机及其他技术的迅速发展，智能交通系统逐步发展并开始受到人们越来越大的关注。车辆提取分类是智能交通系统的一个重要分支，已经得到了越来越多地关注研究，作为其最重要步骤的车型识别也逐渐热门起来。文章首先简单介绍了国内外智能交通系统的现状和发展，分析了当前的车辆提取分类技术，并对本文的结构安排、内容工作，创新点做了简明扼要地说明，包括前景提取，阴影检测，车型识别等。在前景提取方面，首先分析了时下对前景提取的三类主要方法：光流法、帧差法、背景差法，分析了各自优缺利弊之后，采用背景差法进行前景提取。接着对当前的一些主要背景生成算法分析讨论，进行实验效果比对。最后采用基于混合高斯背景模型的背景差法进行前景提取。阴影检测以及剔除方面。首先对阴影的光照模型、属性、分类进行详细的分析说明。接着提出了两种不同的阴影检测方法：融合线性特征的局部纹理运动阴影检测法，对前景运动目标，结合亮度判断利用改进的LBP局部纹理算子描述纹理，通过海明距离进行初判断，并在此基础上通过纹理信息进行线性特性判断，旨在准确率和实时性这两个智能交通系统严格要求的基本性能上有个很好的平衡，实验结果对比具有很好的可行性；基于susan算子图像边缘识别的车辆阴影检测法，准确提取前景区域，利用Susan算子进行边缘提取，结合边缘像素点统计特性进行分析判断，方法准确率较高。最后选择第一种方法进行阴影检测，并对剔除阴影后的目标进行重构。在车型识别方面。首先概述了当前车型识别的一些主要算法；其次对剔除阴影重构后的目标进行几何参数提取，考虑到：很多信息的局部特性、运动目标存在的信息缺失，以及同一目标在图像中不同位置时特征值存在较大差异等问题，决定采用多种几何参数共同判定法，并在参数提取过程中进行同一基准面映射工作，让特征值有对比性。实验结果表明，该方法可以减少错判，较准确地分类目标，取得了不错的效果。

论文目录

• 中文摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题背景
• 1.2 车辆提取分类方法的研究现状
• 1.3 论文的结构安排
• 1.4 本文主要的工作和创新点
• 1.5 本章小结
• 第二章 图像处理基本知识
• 2.1 数字图像处理介绍
• 2.1.1 数字图像处理的发展
• 2.1.2 数字图像处理的应用
• 2.2 数字图像处理的基本知识
• 2.2.1 图像对比度增强
• 2.2.2 图像去噪
• 2.2.3 图像边缘检测
• 2.2.4 形态学处理
• 2.3 本章小结
• 第三章 前景运动目标检测提取
• 3.1 前景运动目标提取方法
• 3.1.1 光流法
• 3.1.2 帧差法
• 3.1.3 背景差法
• 3.2 实验效果对比
• 3.3 本章小结
• 第四章 阴影检测
• 4.1 阴影基本知识
• 4.2 阴影检测算法分类
• 4.3 融合线性特征的局部纹理运动阴影检测
• 4.3.1 阴影检测原理
• 4.3.2 阴影检测算法过程
• 4.3.3 阴影检测结果分析
• 4.4 基于 Susan 算子图像边缘识别的车辆阴影检测
• 4.4.1 Susan 算子介绍
• 4.4.2 自适应 Susan 算法检测图像边缘
• 4.4.3 运动阴影检测分割
• 4.4.4 阴影检测结果分析
• 4.5 前景目标重建
• 4.6 本章小结
• 第五章 车型识别
• 5.1 引言
• 5.2 车型分类
• 5.3 车辆特征参数提取
• 5.3.1 八邻域搜索框定运动车辆
• 5.3.2 特征参数值的确定
• 5.4 基于图像处理的车型识别
• 5.4.1 车型识别判断
• 5.4.2 车型识别判断效果展示
• 5.5 本章小结
• 总结与展望
• 参考文献
• 个人简历、在学期间的研究成果及发表的学术论文
• 致谢