基于视觉选择性注意机制的车辆检测

论文摘要

近几年来,随着公路上汽车数目的不断增多,目前的道路建设已经跟不上车辆的发展。这就需要研究如何更加有效地利用现有的交通网络,缓解交通拥挤、提高道路利用率、减少交通事故。利用计算机视觉技术进行交通状况检测与信息采集成为了智能交通系统领域中的一个重要课题,而运动车辆的检测和识别则是其中最基础的部分。传统图像处理方法进行目标检测时存在计算量大、实时性差等问题,而视觉选择性注意机制恰恰可以解决这方面的问题,为此,本文将视觉选择性注意机制引入到运动车辆检测中,提出了一种在自然道路背景下运动车辆检测与识别的方法,初步实现了运动车辆的检测与识别。本文所做的主要工作如下:第一,在研究现有视觉注意模型的基础上,利用Itti等人的自底向上的数据驱动的视觉注意模型提取出注意焦点。考虑到噪声等各种干扰的存在,提取出的注意焦点可能是一个孤立点,并未落在感兴趣区域的目标物体上,本文对模型进行了改进,提出了一种依据显著图的全局效应原则对注意焦点进行筛选的目标注意模型。实验表明,该方法有效地实现了注意焦点的转移。第二,为了将车辆目标从交通场景中提取出来,本文基于视觉注意机制,提出了一种视觉特征图和运动特征图相结合的车辆检测算法,该算法先将亮度、颜色、方向三个底层视觉特征相结合提取出静态视觉特征显著图,将视觉特征图和运动特征图相结合来检测运动车辆。实验结果验证了该方法的有效性。第三,利用视觉注意机制检测出车辆后,为了统计交通道路上的车流量情况,通过在每个车道上设置一条虚拟检测带,将通过检测线的实时车辆个数累加求和,计算每个车道的车流量。为了识别车辆的类型,本文在对各种目标识别算法分析的基础上,提出了一种多特征相结合的物体识别算法,该算法结合车辆边缘线长度、形状复杂等特征对分割出的运动车辆加以分类识别。结果显示,该方法能有效识别出大型、中型和小型车,准确率比较高。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究背景及意义
• 1.2 智能交通系统的研究现状
• 1.3 视觉注意机制的研究现状
• 1.3.1 视觉注意机制认知模型的研究
• 1.3.2 视觉注意机制计算模型的研究
• 1.3.3 视觉注意机制在各个领域中的应用
• 1.4 车辆检测与识别系统的发展趋势
• 1.5 本文研究的主要工作和内容安排
• 2 人类视觉与注意机制
• 2.1 引言
• 2.2 人类视觉系统的生理结构
• 2.2.1 视觉信息的产生
• 2.2.2 视觉信息的传递
• 2.2.3 视觉信息的处理
• 2.2.4 视知觉信息的处理
• 2.3 视觉注意机制
• 2.4 视觉注意模型
• 2.5 小结
• 3 基于视觉注意机制的车辆注意焦点提取
• 3.1 引言
• 3.2 视觉尺度空间
• 3.2.1 传统的多尺度表示
• 3.2.2 尺度空间思想
• 3.3 基于自下而上的视觉注意模型
• 3.3.1 早期视觉特征提取
• 3.3.2 低层特征显著图
• 3.3.3 特征图整合方法
• 3.3.4 视觉注意显著图
• 3.3.5 注意焦点提取筛选及转移
• 3.3.6 实验结果
• 3.4 小结
• 4 基于视觉注意的视频交通流信息检测
• 4.1 引言
• 4.2 视觉显著图和运动特征图相结合的车辆提取算法
• 4.2.1 运动特征提取
• 4.2.2 二值化阈值判断
• 4.2.3 形态学处理
• 4.2.4 实验结果分析
• 4.3 车流量统计
• 4.3.1 基于检测带的车辆计数
• 4.3.2 实验结果分析
• 4.3.3 基于检测带方法存在的问题
• 4.4 车型识别分类
• 4.4.1 常用的几种识别方法
• 4.4.2 一种基于多特征组合的物体识别算法
• 4.4.3 实验结果分析
• 4.5 小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录