交通视频检测算法初步研究及应用

论文摘要

在智能交通系统研究领域中,视频检测技术是重要课题之一,也是近年来备受研究者关注的前沿方向。其主要包括运动物体识别,运动物体分类,交通信息获取等方面的内容。从复杂的背景中识别出运动物体是视频检测技术最为重要的一步。鉴于环境的不稳定性,国外提出了大量的背景更新模型来进行运动物体识别。本文就交通视频检测的特点对检测算法进行研究,重点研究在复杂环境下的背景和前景的获取模型,以及阴影去除算法,已达到消除噪声,达到清晰画面的效果。本文工作的主要研究内容包括:运用混合高斯背景更新模型进行前景检测、提出了基于运动信息的混合高斯背景更新模型、运用八邻域判断方法对获得前景进行滤波、改进现有的阴影去除模型,提出了RGB不变性模型、对区域进行统计,设计出自适应的阴影去除模型、运用简化的区域填充算法对阴影去除后的前景进行区域填充等内容,同时各个部分的内容中使用了大量的算法,例如:k-meas算法或EM算法等,同时对现有的算法进行改进和扩充。应用要求数据和环境的可靠和稳定性,图像处理算法上的缺陷所带来的检测结果的偏离,等多方面的影响,使数据的提取、处理不可能是全面的。但对于复杂环境下的视频检测技术,至少能起到一定的推动作用。总之,希望能对复杂环境下的视频检测技术的发展,贡献微薄的力量。

论文目录

• 内容提要
• 第1章 绪论
• 1.1 视频检测简介
• 1.2 硬件系统介绍
• 1.2.1 采集和存储
• 1.2.2 图像处理和数据检测
• 1.3 视频背景检测
• 1.3.1 阴影检测
• 1.3.2 视频背景更新
• 1.4 本文的主要研究工作
• 第2章 背景模型中的知识
• 2.1 图像区域分割
• 2.2 K-MEANS 算法
• 2.3 EM 算法
• 第3章 检测算法
• 3.1 K－MEANS 算法
• 3.2 EM 算法
• 3.3 自适应算法
• 3.4 运动信息背景的更新算法
• 3.4.1 存在的问题
• 3.4.2 背景更新过程
• 3.5 前景区域分析
• 3.6 实验与分析
• 3.6.1 实验室检测
• 3.6.2 交通路段检测
• 3.6.3 交叉口检测
• 3.7 小结
• 第4章 阴影处理
• 4.1 阴影处理
• 4.2 复杂阴影检测
• 4.2.1 亮度信息检测
• 4.2.2 信息检测实现
• 4.3 自适应检测简介
• 4.3.1 区域分割算法
• 4.3.2 过零点算法亮度检测方法
• 4.3.3 亮度检测算法
• 4.4 阴影去除后的区域填充
• 4.4.1 阴影去除方法的局限性
• 4.4.2 填充算法
• 4.5 实验与分析
• 4.5.1 实验室里的检测
• 4.5.2 公路上的车辆检测
• 4.5.3 区域填充阴影检测结果
• 4.6 小结
• 第5章 结论与展望
• 参考文献
• 摘要
• ABSTRACT
• 致谢