智能交通系统车辆检测算法研究

论文摘要

车辆交通是现代社会的重要标志之一,但随着经济的发展,它在给人们的生活提供便利的同时也产生了一系列社会和环境问题。智能交通系统(IntelligentTransportationSystem,简称ITS)利用通信技术、控制技术、传感器技术、运筹学、人工智能和计算机技术的有效集成,其目的在于充分利用现有道路基础设施资源,改善车、路、人之间的相互作用,提高系统的安全性、高效性与舒适性,从而从整体上提高交通的经济性,正在成为世界各国解决交通拥塞、交通事故频发、土地和能源短缺、交通环境污染以及由此导致的经济损失等的热点研究问题,具有较高的社会效益和巨大的市场应用前景。目前,智能交通系统在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果,而运动车辆的实时检测作为智能交通系统的核心部分之一,更是成为了研究热点。本文是在这些成果的基础上,对智能交通系统中车辆的精确检测及分割技术进行了研究。主要工作如下:首先,对混合高斯背景建模进行了比较系统的分析,并针对混合高斯背景模型现实应用中的问题,提出一种快速的混合高斯背景建模改进算法,该算法利用场景内光照条件的变化提出了一个自适应背景更新率,根据各像素点颜色值出现的混乱程度不同采取不同的高斯函数参数更新机制,通过对交通监控图像序列进行实验,该算法能在保证背景建模与运动车辆检测效果的同时,使混合高斯模型的背景更新速度及算法处理速度有了较大提高。其次,针对图像后处理去噪,本文介绍了几种常用的滤波方法,着重讨论了形态学中的膨胀、腐蚀运算在去噪中的应用,并取得了很好的效果。最后,提出了一种利用色度畸变和纹理特征进行车辆阴影抑制的方法。该方法分析了场景点在存在阴影前后色度的分布规律以及纹理的互相关性,根据亮度信息和饱和度信息选择不同的阴影消除机制,利用颜色向量夹角和纹理特征进行阴影的消除。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 视频车辆检测的国内外研究状况
• 1.3 本文的工作内容及章节安排
• 第2章 车辆检测算法研究
• 2.1 引言
• 2.2 常用背景模型
• 2.2.1 帧间差分法
• 2.2.2 背景差分法
• 2.2.3 光流法
• 2.3 混合高斯背景模型理论
• 2.3.1 单高斯分布背景模型
• 2.3.2 混合高斯背景模型
• 2.4 快速的混合高斯改进模型
• 2.4.1 典型混合高斯背景模型存在的问题
• 2.4.2 一种快速的混合高斯改进模型
• 2.5 实验分析
• 2.6 本章小结
• 第3章 图像后处理去噪
• 3.1 引言
• 3.2 几种常用的去噪方法
• 3.2.1 空间域滤波法
• 3.2.2 频域低通滤波法
• 3.3 本文采用的后处理去噪方法
• 3.4 实验分析
• 3.5 本章小结
• 第4章 运动车辆阴影抑制算法研究
• 4.1 引言
• 4.2 基于属性的阴影抑制方法概述
• 4.2.1 基于颜色空间变换的阴影抑制
• 4.2.2 基于统计的阴影抑制
• 4.2.3 基于色彩特征不变量的阴影抑制
• 4.2.4 基于物理模型的阴影抑制
• 4.3 基于颜色与纹理特征的车辆阴影检测
• 4.3.1 颜色模型及向量夹角
• 4.3.2 阴影区域的纹理特征
• 4.4 实验分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历