车辆遮挡检测的研究与应用

论文摘要

运动车辆检测是智能交通领域应用研究中关键的一环,是获得交通信息的基础和保证。但是检测过程中发生的车辆遮挡严重影响了车辆的统计。为了更好进行运动车辆检测,遮挡检测成为一个必不可少的环节。本文针对高清图像的车辆检测,首先对图像预处理方法进行了研究,并通过设定感兴趣区域,去除干扰区域减少算法计算量。然后研究了现有的各种前景检测算法,比较各种算法的优劣性,并在此基础上提出了自己的前景检测算法。通过本文的算法,可以较快的从高清图像中准确的提取出车辆,在前景检测算法的基础上,实现更精确的车辆轮廓提取,为接下来车辆遮挡检测打下了很好的基础。论文的主要工作如下：(1)图像的获得与预处理方面：摄像头的架接,图像的获取,图像的预处理,比较边缘检测算法,选择出一种能很好提取车辆边缘的边缘检测算法。(2)前景检测方面：针对高清图像,提出一种在时间和效果上都比较理想的前景检测算法,解决了现有背景建模算法造成的车辆空洞和断层。(3)车辆遮挡方面：在前景检测的基础上展开车辆遮挡检测研究,对于部分车辆遮挡,利用凸包计算出是否发生遮挡,并根据凸包差来对遮挡车辆进行分割。对于严重遮挡时车辆信息不全的特点,计算获得车辆角点,通过计算角点的光流来判断车辆是否发生遮挡,并根据相同运动向量,划分角点区域来处理车辆遮挡。(4)软件系统方面：根据前面的算法研究,设计车辆图像遮挡检测的整个流程。设计各个模块、算法流程以及具体的实现方法,以便更加直观的体现出算法的效果。通过大量高清图像进行测试,比较多种算法效果,从而不断对本文算法进行改进。最终结果表明新的前景检测算法计算量小而且效果好,遮挡检测算法能快速、有效的检测出车辆遮挡并处理。

论文目录

• 摘要
• Abstract
• 1. 引言
• 1.1 课题研究的目的和意义
• 1.1.1 课题研究目的
• 1.1.2 课题研究意义
• 1.2 交通流中车辆遮挡问题的分析和研究现状
• 1.2.1 车辆遮挡问题的分析
• 1.2.2 遮挡处理问题的研究现状
• 1.3 OpenCV和LibCurl简介及实验平台的搭建
• 1.3.1 OpenCV介绍
• 1.3.2 LibCurl介绍
• 2 交通图像的获得与预处理
• 2.1 摄像头的架接与图像的获取
• 2.1.1 摄像头的架接
• 2.1.2 照片存储与传输
• 2.2 图像滤波
• 2.2.1 邻域均值滤波
• 2.2.2 高斯滤波法
• 2.3 数学形态学处理
• 2.4 边缘检测
• 2.4.1 Laplace算子
• 2.4.2 Canny算子
• 2.5 实验结果与分析
• 3 前景检测和车辆的获得
• 3.1 背景差分
• 3.2 高斯混合模型法（GMM）
• 3.3 贝叶斯算法
• 3.4 基于轮廓信息的高清图像前景检测算法
• 3.4.1 感兴趣区域设定
• 3.4.2 前景区域检测
• 3.4.3 车辆边缘提取
• 3.4.4 轮廓提取与跟踪
• 3.4.5 轮廓填充
• 3.5 新团块检测
• 3.6 实验结果与分析
• 4 车辆间遮挡检测与处理
• 4.1 基于轮廓的遮挡检测算法
• 4.1.1 凸包的概念
• 4.1.2 车辆的凸包
• 4.1.3 基于凸包的车辆遮挡处理
• 4.1.4 结构体设计
• 4.2 基于角点的光流法遮挡检测
• 4.2.1 光流法概述
• 4.2.2 角点的获取和图像金字塔
• 4.2.3 光流法遮挡检测与处理
• 4.3 实验结果与分析
• 5. 系统设计方案
• 5.1 软件系统设计思想
• 5.1.1 软件工程学思想
• 5.1.2 模块化思想
• 5.2 软件系统设计
• 5.2.1 面向数据流的设计方法
• 5.2.2 系统功能模块组成
• 5.2.3 系统开发平台和编程语言
• 5.3 系统界面
• 6. 总结与展望
• 6.1 论文的主要工作总结
• 6.2 论文创新之处
• 6.3 不足与展望
• 参考文献
• 申请学位期间的研究成果及发表的学术论文
• 致谢