基于视频的实时闯红灯抓拍系统算法研究与实现

论文摘要

随着世界各国经济的快速发展,车辆的数量急剧增加,由此引发的交通状况问题日益受到人们的重视。智能交通系统就是为了解决这个问题而诞生的,目前已经成为全球各国政府和有关部门高度重视的高科技新领域。基于视频的闯红灯车辆自动检测系统是智能交通系统中的重要组成部分,其中有效的检测和实时跟踪是车辆的行为分析和行为判断的前提。鉴于以上背景,本文对闯红灯车辆检测与跟踪算法进行研究。在分析和总结现有算法的基础上,提出了两个改进算法。本文针对传统的背景提取方法在前景运动对象密度较高,亦或前景出现过于频繁的情况下,提取到的背景图像中会掺杂很多前景成分的问题,提出了一种基于形态学和像素灰度归类的背景重建算法。该算法通过三帧差分法和形态学把每帧图像区分为前景对象和背景区域。然后在用像素灰度归类方背景重建时不考虑前景对象,提高了背景出现的频率,从而能正确重建背景。通过实验证明,新方法能够在车辆密度较大的情况下能正确的生成背景。本文为了满足车辆跟踪实时的要求,设计了一种自动初始化窗口的Mean Shift算法。另外针对Mean Shift算法在目标的颜色分布和背景相似情况下,会丢失目标的问题,利用kalman滤波器根据前面的目标位置信息来预测在本帧图像中目标的可能位置,然后用Mean Shift算法在这个位置的邻域内找到目标的真实位置。这样,我们利用了Mean Shift所没有利用的前面一帧目标的运动信息,丰富了对已知信息的使用,增强了跟踪效果。通过实验证明此算法是有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 国内外研究现状
• 1.2.1 基于视频的车辆监控系统现状
• 1.2.2 运动车辆检测算法研究现状
• 1.2.3 运动车辆跟踪算法研究现状
• 1.3 本文的研究内容和论文结构
• 1.3.1 本文的研究内容
• 1.3.2 论文结构
• 第2章 数字图像处理的理论基础
• 2.1 图像彩色模型
• 2.1.1 RGB 颜色空间
• 2.1.2 HSV 颜色空间
• 2.1.3 RGB 到HSV 彩色空间的转化
• 2.2 像素间的关系
• 2.2.1 距离
• 2.2.2 邻接性
• 2.2.3 连通性
• 2.3 图像的灰度处理
• 2.3.1 图像的灰度化处理
• 2.3.2 灰度直方图
• 2.4 数学形态学处理
• 2.4.1 基本概念
• 2.4.2 基本定义
• 2.4.3 二值形态学的基本运算
• 2.5 图像分割
• 2.5.1 灰度阈值法
• 2.5.2 边缘检测
• 第3章 运动车辆检测算法研究
• 3.1 常用的运动目标检测方法
• 3.1.1 帧间差分法
• 3.1.2 光流法
• 3.1.3 背景减除法
• 3.2 基于形态学和像素灰度归类的背景重建算法
• 3.2.1 引言
• 3.2.2 数学形态学回顾
• 3.2.3 像素灰度归类的原理
• 3.2.4 本文算法的实现
• 3.2.5 实验结果与分析
• 3.3 本章 小节
• 第4章 运动车辆阴影检测算法研究
• 4.1 颜色空间分布概率密度统计的阴影检测算法
• 4.2 基于纹理信息的阴影检测算法
• 4.3 基于颜色空间变换的阴影检测算法
• 4.3.1 HSV 空间
• 4.3.2 YUV 空间
• 4.3.3 RGB 空间
• 4.4 基于色彩特征不变量的阴影检测算法
• 4.5 本章 小结
• 第5章 运动车辆跟踪算法研究
• 5.1 常用的运动目标跟踪算法
• 5.1.1 基于区域的跟踪算法
• 5.1.2 基于特征的跟踪算法
• 5.1.3 基于变形模型的跟踪算法
• 5.1.4 基于模型跟踪算法
• 5.2 Mean Shift 理论
• 5.2.1 基本Mean Shift
• 5.2.2 扩展的Mean Shift
• 5.2.3 Mean Shift 算法步骤
• 5.3 Mean Shift 目标跟踪原理
• 5.3.1 目标模型建立
• 5.3.2 候选目标的描述
• 5.3.3 相似性度量函数
• 5.3.4 目标定位
• 5.3.5 Mean Shift 跟踪算法步骤
• 5.4 基于Mean Shift 的车辆跟踪算法
• 5.4.1 自动设定初始化目标窗口
• 5.4.2 基于Kalman 预测的Mean Shift 跟踪算法
• 5.5 实验分析
• 5.6 本章 小节
• 第6章 总结与展望
• 致谢
• 参考文献
• 附录