基于视频监控的车辆检测方法研究

论文摘要

智能交通系统（Intelligent Transport System）的前身即智能车辆道路系统（Intelligent Vehicle highway system, IVHS），是将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。它通过人、车、路的和谐、密切配合进而提高交通运输效率，缓解交通阻塞，提高路网通过能力，减少交通事故，降低能源消耗，减轻环境污染。本文结合计算机视频图像处理的相关知识，研究了常见的智能视频监控中对运动物体的检测与跟踪，以及如何对阴影的有效抑制。作为智能运输（智能交通系统）中核心的模块之一，智能视频监控在整个系统运行环节中也起着至关重要的作用，通过分析比较在实时监控图像处理各个环节的方案，本文旨在围绕着整个程序流程理清各个环节中可采用方案的优缺点，并试图提出一种相对而言更好的方案。最后论文分别采用了基于单高斯模型背景建模的方法、以去噪为目的的背景建模方法、基于改进的混合高斯模型建模方法实现了对视频流中的车辆检测。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及现状
• 1.1.1 智能运输（智能交通系统）
• 1.1.2 国内外研究现状
• 1.2 论文章节安排
• 第2章 视频处理
• 2.1 数字图像的基本知识
• 2.1.1 数字图像
• 2.1.2 数字图像分类
• 2.1.3 颜色模型
• 2.1.4 图像二值化
• 2.1.5 灰度化处理
• 2.2 OpenCV
• 2.2.1 总体概述
• 2.2.2 功能
• 2.2.3 OpenCV 模块
• 2.2.4 OpenCV 主要函数及举例
• 2.3 数学形态学运算
• 2.3.1 基本概念
• 2.3.2 膨胀运算
• 2.3.3 腐蚀运算
• 2.3.4 开运算
• 2.3.5 闭运算
• 2.3.6 示例
• 第3章 运动检测
• 3.1 背景建模
• 3.1.1 基于单高斯模型的方法
• 3.1.2 基于统计的背景相减方法
• 3.1.3 基于图像序列初始化的方法
• 3.1.4 基于混合高斯模型的方法
• 3.1.5 基于码本的建模方法
• 3.1.6 各种方法的比较
• 3.2 高斯混合模型（GMM）
• 3.3 运动检测方法
• 3.3.1 背景减法
• 3.3.2 光流法
• 3.3.3 帧差法
• 3.4 阴影检测
• 3.4.1 P. Kaewtrakulpong and R. Bowden 方案
• 3.4.2 基于 HSI 的阴影消除方案
• 3.4.3 基于颜色和边缘特征的阴影消除方案
• 第4章 基于视频监控的车辆检测实现
• 4.1 车辆运动检测
• 4.1.1 单高斯模型背景建模
• 4.1.2 以去噪为目的的背景建模
• 4.1.3 基于改进的混合高斯背景建模
• 4.2 实验数据
• 4.2.1 测试平台配置
• 4.2.2 实验视频及结果
• 4.3 结果分析
• 第5章 总结与展望
• 参考文献
• 作者简介及在学期间所取得的科研成果
• 致谢