基于视频的实时车辆检测与识别系统研究

论文摘要

随着工业现代化发展与汽车交通对城市交通环境的影响,智能交通系统（ITS）逐渐成为城市现代化建设的国内外研究重要领域。基于视频的智能交通系统由于其自身的众多优点,成为现在研究的热点。车辆的提取技术是基于视频的智能交通系统的基础,它在交通监视和控制中占有很重要的地位,直接影响到后续工作的难易程度和准确度。本文主要研究复杂背景下运动车辆的提取与识别算法。重点阐述该系统关键技术部分的理论研究与具体实现,提出了两种改良的移动目标分割算法和关于车型识别的具体算法。本文的主要工作和创新点包括:1)提出一种帧间双差分法、自适应光流、snake算法相结合的运动目标检测方法。通过帧间双差分法提取运动区域,针对运动区域进行光流计算,对光流计算结果进行C-均值聚类,最后用聚类结果作为snake算法的初始值,通过贪婪算法对活动轮廓进行收缩,把运动目标的轮廓精确的包围起来。由运动目标真实图像序列的实验结果充分证明了算法的优良性能,可以有效地从复杂自然场景的图像序列中检测出完整的运动目标。2)提出了一种基于背景重建的移动目标提取算法。利用彩色图像的特点来进行背景提取,从而有效地抑制了车辆灰度与背景相似和光照等难点;针对两种不同情况,分别提出了相应的背景更新方案;利用二值图像的特点,提出了一套快速有效的区域填充算法,以满足移动目标的实时提取。3)设计了一套实时的根据车辆侧面轮廓特征的车型分类模型,提出分步分类方案,完成车型识别算法。利用图像信息,提出了软传感器的概念,代替了传统的硬件感应器件;利用Douglas-Peucker算法对侧面轮廓特征的矢量信息进行压缩,降低了数据操作的复杂度;采用了两次分步分类的方案,充分利用了不变矩、面积比、长度等重要信息,得到了良好的分类效果。本文的特点在于:提出了光流和snake算法相结合的运动目标分割算法;提出了一种实时的基于背景重建的运动目标分割算法;设计了一个基于车辆边缘轮廓特征的分类器。系统能稳定运行在安装有Microsoft Windows XP Professional（SP2）的PC机下,PC机CPU为P4 2.8GHz,内存为DDR-512M。在对于实验所用的2段25分钟视频进行的测试中,车型分类的实验准确率在90%以上,每帧耗费时间低于40ms,CPU占用率低于40%,完全实现逐帧操作。

论文目录

• 摘要
• ABSTRACT
• 第一章 概述
• 1.1 研究背景
• 1.2 课题概述
• 1.3 运动目标自动分割方法
• 1.3.1 运动目标分割方法概述
• 1.3.2 基本分割方法
• 1.3.2.1 基于运动场的分割方法
• 1.3.2.2 基于块匹配的分割方法
• 1.3.2.3 基于变化区域检测的分割方法
• 1.3.2.4 基于形态学的分割方法
• 1.3.2.5 基于分类的分割方法
• 1.4 车辆自动识别技术
• 1.4.1 车辆自动识别技术概述
• 1.4.2 车辆自动识别的主要研究内容
• 1.5 本文基本结构说明
• 第二章 基于光流和SNAKE 算法的运动目标检测
• 2.1 光流法概述
• 2.1.1 光流场与运动场
• 2.1.2 光流场计算的基本等式
• 2.1.3 孔径问题
• 2.1.4 光流场计算技术的研究现状
• 2.2 SNAKE 算法概述
• 2.2.1 snake 基本算法过程
• 2.2.1.1 蛇形定义
• 2.2.1.2 蛇形外能
• 2.2.1.3 蛇形内能
• 2.2.1.4 蛇形求解
• 2.2.2 贪婪算法
• 2.2.2.1 算法介绍
• 2.2.2.2 贪婪算法过程
• 2.3 基于光流和SNAKE 算法的运动目标检测
• 2.3.1 概述
• 2.3.2 双差分法
• 2.3.3 自适应光流估计
• 2.3.4 基于C-均值聚类的光流场分割
• 2.3.5 snake 算法
• 2.3.6 试验结果
• 2.4 本章小结
• 第三章 基于自适应背景重建的目标检测技术研究
• 3.1 概述
• 3.1.1 背景与前景
• 3.1.2 本章研究重点
• 3.2 背景重建算法综述
• 3.2.1 平均法
• 3.2.2 基于Kalman 渐消滤波的方法
• 3.2.3 基于高阶统计量的分块方法
• 3.2.4 基于距离测度的去除干扰法
• 3.3 基于自适应背景重建的移动目标提取算法
• 3.3.1 软触发器
• 3.3.2 自适应背景重建
• 3.3.2.1 背景分类及其处理方法
• 3.3.2.2 运动掩模获取
• 3.3.2.3 动态阈值更新
• 3.3.2.4 背景重建环节
• 3.3.3 区域填充
• 3.4 实验结果与讨论
• 3.5 本章小结
• 第四章 基于轮廓的车型识别技术研究
• 4.1 车型识别技术概述
• 4.2 相关研究情况
• 4.3 技术难点与功能要求
• 4.4 基于车辆轮廓的车型分类算法
• 4.4.1 预处理
• 4.4.2 车辆轮廓特征的提取
• 4.4.2.1 连通区域
• 4.4.2.2 边界的链码描述
• 4.4.2.3 矢量数据压缩方法
• 4.4.3 标准化
• 4.4.4 车型分类
• 4.4.4.1 粗分类
• 4.4.4.2 细分类
• 4.5 结果与分析
• 4.6 本章小结
• 第五章 基于视频的实时车辆检测与识别系统
• 5.1 系统构成
• 5.1.1 系统硬件实现
• 5.1.2 系统软件实现
• 5.2 开发环境与相关技术简介
• 5.3 基于DIRECTSHOW 的多路视频流捕获研究
• 5.3.1 系统架构
• 5.3.2 多路视频捕捉的实现
• 5.4 操作界面
• 5.4.1 系统主界面
• 5.4.2 系统运行环境及附属设备
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 对将来研究工作的几点建议
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文