运动车辆图像匹配方法的研究与应用

论文摘要

近年来,智能交通系统得到了迅速发展,其应用范围越来越广。但是由于现实交通的复杂性,比如在车辆变换车道、干扰车辆的存在等情况下,一些监控系统容易出现错误；比如车速测定系统中,被测车辆如果变换了车道或者干扰车辆超车越过被测车辆,就可能引起错误计算,所以需要对用于车速计算的前后两帧图中的车辆是否为同一车辆事后进行自动的匹配校验,为最终的交通执法提供依据。这就需要在所处理的监控视频流中加入一种功能,即对前后帧所监控的车辆进行识别判断是否为同一车辆,以实现监控的准确性。而在智能交通系统中,监控设备所在位置和工作环境往往并不是理想的,这就使得常见的匹配算法难以可靠的满足运动车辆图像匹配的需要。本文首先提取SIFT不变特征点,构造SIFT特征向量,用欧式距离比实现特征点对的初匹配,最后采用RANSAC算法去除误匹配,得到最终的匹配结果。本文设计了一个检测步骤,用于解决智能交通车辆管理中,由于存在车辆变换车道、车体体积过大、相邻车道之间互相干扰等因素下,目标车辆在前后帧中的识别困难。实际实验表明,所设计的检测步骤对于运动车辆的匹配识别具有较好的效果。论文首先介绍了课题的应用背景,常见算法的分类和优缺点以及SIFT算法的发展现状,重点介绍和分析了SIFT算法和RANSAC算法,并且进行了相关实验,验证了算法的优越性。其次论文介绍了本检测步骤的软件平台OpenCV,软件架构和软件中的关键函数,最后设计了相关实验,验证了该检测步骤对于运动车辆的前后帧匹配具有较好的效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景和应用
• 1.2 匹配算法的发展现状
• 1.2.1 常见的匹配算法
• 1.2.2 SIFT算法
• 1.2.3 SIFT算法扩展
• 1.3 本文所做工作及章节内容安排
• 2 图像预处理
• 2.1 均值滤波
• 2.2 中值滤波
• 2.3 高斯平滑滤波
• 3 SIFT算法原理及其在图像匹配中的应用
• 3.1 SIFT算法原理
• 3.1.1 尺度空间的建立
• 3.1.2 提取SIFT特征
• 3.1.3 特征匹配
• 3.1.4 优化匹配
• 3.2 应用与实验
• 3.3 小结
• 4 软件设计及实现
• 4.1 开发平台概述
• 4.1.1 OpenCV简介
• 4.1.2 OpenCV的体系结构
• 4.1.3 开发平台的搭建
• 4.2 部分程序代码
• 4.3 软件系统框图
• 5 SIFT算法在运动车辆匹配中的应用
• 5.1 检测步骤流程图
• 5.2 实验与结果
• 5.3 小结
• 6 总结
• 参考文献
• 申请学位期间发表的学术论文
• 致谢