运动物体检测与参数估计方法研究

论文摘要

随着社会经济的快速发展，人们生活水平的不断提高，世界各国的汽车数量也迅速增加，要求采用现代化的管理方法来实现交通管理，这样就引起了对智能交通系统(ITS)的研究。智能交通系统主要是采用计算机视觉、图像处理等技术，通过对摄像机拍录的视频动态序列进行分析来实现运动车辆检测、识别和跟踪，并在此基础上分析和判断车辆的行为，从而提供了一种更加先进和可行的智能交通处理方案。本文首先介绍了国内外智能交通系统的发展概况、图像处理基本理论知识及其在智能交通系统中的应用与发展。然后针对ITS中基于视频的运动车辆检测、识别与跟踪展开了以下的研究：(1)简单介绍了运动目标检测的各种方法，详细论述了复杂背景下背景模型的获取和更新问题，并提出了一种新的背景提取方法。同时介绍基于背景差值的运动车辆检测方法以及基于图像差分的运动车辆检测方法，并提出了一种图像对称差分的检测方法。(2)针对运动目标的分割问题，介绍了几种常用的分割方法，并有效地将运动车辆目标从检测图像中分割出来；对分割出来的车辆目标图像进行特征提取，根据提取的特征参数进行车辆识别和车型分类。(3)在运动目标检测和分割的基础上，将车辆检测算法应用于运动车辆的跟踪中。根据运动车辆在相邻两帧图像序列中移动距离不远，在图像中面积的变化不太大的特点，提出采用运动车辆的质心和跟踪窗口面积两个参数在图像中进行匹配，从而实现对运动车辆的跟踪。本文对运动车辆的检测、识别和跟踪的问题提出了一些解决方法，通过实验证明，这些方法作为计算机视觉监控领域的普遍方法，具有一定的理论意义和实用价值，可以推广到视频监控的其它应用中，具有广阔的应用前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的研究目的和意义
• 1.1.1 研究的背景
• 1.1.2 研究的目的
• 1.1.3 研究的意义
• 1.2 ITS
• 1.2.1 ITS概述
• 1.2.2 交通信息采集系统
• 1.2.3 视频车辆检测技术
• 1.3 图像处理技术理论
• 1.3.1 图像与图像处理的概念
• 1.3.2 ITS中图像处理技术的发展
• 1.4 本文的主要研究内容和结构安排
• 第二章 图像的预处理
• 2.1 引言
• 2.2 图像灰度化
• 2.3 图像灰度修正
• 2.3.1 灰度变换
• 2.3.2 直方图修正
• 2.4 图像平滑
• 2.4.1 均值滤波
• 2.4.2 中值滤波
• 2.5 图像锐化
• 2.5.1 Laplacian算子法
• 2.5.2 Sobel算子法
• 2.6 本章小结
• 第三章 运动目标检测
• 3.1 引言
• 3.2 运动目标检测方法
• 3.2.1 光流场法
• 3.2.2 背景差值法
• 3.2.3 图像差分法
• 3.3 背景模型的获取和更新
• 3.3.1 背景获取
• 3.3.2 背景更新
• 3.4 基于背景差值的车辆检测
• 3.4.1 车辆检测过程
• 3.4.2 实验结果与分析
• 3.4.3 结论
• 3.5 基于图像差分的车辆检测
• 3.5.1 帧间图像差分
• 3.5.2 图像对称差分
• 3.5.3 实验结果与分析
• 3.5.4 结论
• 3.6 后处理
• 3.6.1 滤波去除噪声
• 3.6.2 腐蚀、膨胀与图像填充
• 3.7 本章小结
• 第四章 运动目标分割与识别
• 4.1 引言
• 4.2 运动目标分割
• 4.2.1 图像分割的定义
• 4.2.2 边缘检测
• 4.2.3 灰度阈值分割
• 4.2.4 区域分割
• 4.2.5 一种精确边缘检测方法
• 4.2.6 实验结果与分析
• 4.3 运动目标识别
• 4.3.1 形状特征参数
• 4.3.2 特征提取
• 4.3.3 特征分类
• 4.3.4 实验结果与分析
• 4.4 本章小结
• 第五章运动目标跟踪
• 5.1 引言
• 5.2 运动目标跟踪方法
• 5.2.1 基于特征的跟踪方法
• 5.2.2 基于3-D的跟踪方法
• 5.2.3 基于变形模型的跟踪方法
• 5.2.4 基于区域的跟踪方法
• 5.3 运动目标跟踪
• 5.3.1 跟踪参数
• 5.3.2 跟踪流程图与步骤
• 5.3.3 试验结果与分析
• 5.4 本章小结
• 第六章 结论和展望
• 参考文献
• 致谢
• 攻读硕士期间发表论文