运动车辆视频检测与分割方法研究

论文摘要

摘要：运动车辆视频检测与分割技术是智能交通系统中非常关键、非常基础的环节,是实现车辆识别、车速检测、交通流等级划分及控制的必要前提,它融合了数字图像处理、计算机视觉、模式识别等诸多相关领域的知识。本论文以MATLAB为开发平台,对以下几个方面的内容进行了深入研究：(1)背景重构：基于“背景点像素值出现频次最高”假设的背景重构算法是一种有效地方法,该算法在提取运动车辆大致区域环节使用了传统的连续三帧差分法。为了进一步提高背景重构的精度,本论文提出了一种基于最佳帧间隔判定规则的三帧非对称差分算法,并用其替代原背景重构算法中的连续三帧差分法。实验表明,三帧非对称差分算法替代连续三帧差分法之后,背景重构的精度得到了显著的提高。(2)运动车辆精确分割：运动车辆精确分割是智能交通系统中非常基础、非常关键的环节。本文首先介绍了原有的基于半模糊聚类的灰度图像分割算法,然后针对原算法存在的初始类划分误差大、计算复杂度高、抗噪声能力差三个方面的不足,分别从边缘闭合和重新定义空间距离两个方面入手,提出了一种改进的分割算法,并从计算复杂度、抗噪声能力两个方面将改进前、后的算法做了对比和分析。实验结果表明,本文所提出的改进算法与原算法相比较,使得图像分割不但精度更高,而且大幅度降低了计算复杂度,提高了抗噪声能力,具有很高的应用价值。最后将该算法与背景差分算法相结合,设计并实现了一种精确的运动车辆视频提取方法。(3)车辆行为分析：本论文在提取出前、后两帧图像中运动车辆区域的基础上,研究了基于无向二部图的车辆行为分析算法。首先根据两帧图像之间的运动区域重叠面积的大小,构造出反映无向二部图特征的顶点邻接矩阵并化简；然后根据顶点邻接矩阵与区域行为、车辆行为之间的对应关系,从顶点邻接矩阵的特征出发,依次完成区域行为分析和车辆行为分析。(4)遮挡车辆分离：遮挡是智能交通系统中运动目标检测、跟踪和识别经常遇到的难题。本文在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法。该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类；然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离。实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,而且算法简单,具有很高的实际应用价值。(5)车速视频检测：本论文用到的的视频数据采自于本课题组设计的基于无线局域网络的交通视频实时监控系统,并以该系统为算法验证平台,完成了基于Tsai两步法的摄像机标定,以此为基础实现了车辆速度的视频检测。实验结果表明,本文提出的基于摄像机标定的车辆速度视频测量方法,具有简单实用、鲁棒性强、精确度高等优点,满足车辆视频测速系统的要求。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 1 引言
• 1.1 课题的研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 运动车辆视频检测方法研究现状
• 1.2.2 基于聚类分析的图像分割方法研究现状
• 1.3 本论文主要研究内容
• 1.4 论文结构
• 2 改进的对称帧间差分算法及其在背景重构中的应用
• 2.1 连续三帧差分法
• 2.1.1 连续三帧帧差法原理
• 2.1.2 连续三帧帧差法的缺陷
• 2.2 改进的三帧非对称差分算法
• 2.2.1 算法原理
• 2.2.2 算法改进前、后的实验结果对比
• 2.3 改进的三帧非对称差分算法在背景重构中的应用
• 2.3.1 基于背景点像素值出现频次最高假设的背景重构方法原理
• 2.3.2 改进的三帧非对称差分算法的应用
• 2.4 本章小结
• 3 基于半模糊聚类的运动车辆分割方法
• 3.1 半模糊聚类ESFCM灰度图像分割算法
• 3.1.1 图像分割概述
• 3.1.2 模糊聚类理论基础
• 3.1.3 原ESFCM分割算法流程图
• 3.1.4 聚类参数确定
• 3.1.5 求目标函数极小值
• 3.1.6 归属的确定
• 3.2 原ESFCM算法的局限性
• 3.2.1 边缘丢失造初始类划分错误
• 3.2.2 空间距离的计算复杂度高
• 3.2.3 抗噪声能力差
• 3.3 ESFCM灰度图像分割算法的改进
• 3.3.1 边缘闭合算法在ESFCM分割算法中的应用
• 3.3.2 模糊距离在ESFCM分割算法中的应用
• 3.4 改进的ESFCM分割算法与其它常用分割效对比分析
• 3.5 ESFCM分割算法改进前、后的性能对比
• 3.5.1 计算复杂度分析
• 3.5.2 抗噪能力分析
• 3.6 改进的ESFCM分割算法在视频运动车辆分割中的应用
• 3.6.1 待分割小图像提取
• 3.6.2 运动车辆子类判别
• 3.7 本章小结
• 4 基于无向二部图的车辆行为分析
• 4.1 无向二部图的构建
• 4.2 无向二部图的化简
• 4.3 车辆行为分析
• 4.3.1 顶点邻接矩阵与区域行为、车辆行为的关系
• 4.3.2 车辆行为分析实验结果
• 4.4 本章小结
• 5 基于轮廓特征拐点的运动车辆遮挡分离方法
• 5.1 原来的基于四类特征拐点的遮挡车辆分离方法
• 5.2 改进的基于八类特征拐点的遮挡车辆分离方法
• 5.3 实验结果
• 5.4 本章小结
• 6 基于摄像机标定的车速检测算法
• 6.1 Tsai两步标定方法
• 6.1.1 参考坐标系
• 6.1.2 摄像机模型
• 6.1.3 摄像机参数求解
• 6.1.4 摄像机标定实验平台
• 6.1.5 摄像机标定实验
• 6.1.6 摄像机标定误差分析
• 6.2 车速视频检测
• 6.2.1 视频测速原理
• 6.2.2 实验结果
• 6.3 本章小结
• 7 结论
• 7.1 研究成果总结
• 7.2 主要创新点
• 7.3 研究展望
• 参考文献
• 作者简历
• 学位论文数据集