智能交通系统中的车辆检测方法研究

论文摘要

城市交通是城市重要的基础设施之一,是城市经济发展和人们生活所必需的一项事业。它不仅满足城市居民出行的需求,从某种意义上讲它对城市功能的正常发挥起到了重要作用。近年来,随着经济的发展,交通需求日益增加,城市交通拥堵、交通事故频发以及交通环境恶化等成为当今世界各国面临的共同问题。交通问题是一个复杂的综合性问题,单独从道路或车辆的角度来考虑,都将很难解决交通问题。在这种背景下,把车辆和背景综合起来系统地解决交通问题的思想就油然而生,而车辆检测技术正是这种思想的重要技术之一。运动车辆实时检测和定位是智能交通系统的一个重要组成部分。迄今为止,己有众多学者在进行相关领域的研究工作。同时,也面临许多问题,如目标阴影,真实世界场景的拍摄噪声,光照和天气情况的改变等,都将影响目标检测的精度。近年来,国内外学者对基于视频图像的移动目标检测进行了广泛的研究。传统的车辆检测方法有:背景减除法、时间差分法、光流法等等。这些方法中,背景减除法由于其运算量相对较少,并且可以加入背景更新技术实现背景自适应更新,能够较精确的分割出移动物体,从而在运动目标检测分割等方面得到广泛的应用,同时由于其自身的缺点,广大科学工作者也根据不同需要对其进行了改进。时间差分方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分,但其一般不能完全提取出所有相关的特征像素点,在运动实体内部容易产生空洞现象。基于光流方法的运动检测由于其运算量相当大,抗噪性能差,依赖特别的硬件装置而使其应用受到了限制。本文提出的车辆检测方法,把基于移动区域的自适应背景更新方法应用到视频图像运动目标检测分割技术中,能够快速准确的分割出其中的运动目标进而识别车辆的阴影部分以及车轮部分。试验结果证明,这种方法能够较大提高车辆检测的精度和质量,达到了我们的期望值,具有很好的实用性。

论文目录

• 摘要
• Abstract
• 前言
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 本论文的研究内容
• 1.3 结构安排
• 2 数字图像处理理论
• 2.1 数字图像概述
• 2.2 数字图像处理的基本原理
• 2.3 数字图像处理的内容
• 2.4 数字图像处理的技术应用
• 2.5 本章总结
• 3 车辆检测理论
• 3.1 引言
• 3.2 车辆检测的基本方法
• 3.2.1 帧间差分法
• 3.2.2 背景差分法
• 3.2.3 光流法
• 3.3 基于视频的车辆检测技术
• 3.3.1 基于视频的车辆检测系统的优点
• 3.3.2 基于视频的车辆检测国内外发展状况
• 3.4 图像分割技术
• 3.4.1 图像分割定义
• 3.4.2 图像分割方法概述
• 3.4.3 图象分割评价
• 3.5 本章总结
• 4 基于移动区域的车辆检测技术
• 4.1 车辆综合检测算法流程
• 4.2 基于高斯模型的自适应阈值确定
• 4.3 快速自适应背景更新方法
• 4.3.1 背景模型的构建
• 4.3.2 计算移动区域
• 4.3.3 自适应背景模型的确定与更新
• 4.4 基于标签法的快速去噪处理
• 4.5 阴影检测与颜色空间概述
• 4.5.1 常用颜色模型介绍
• 4.5.2 HSV颜色空间理论与阴影检测
• 4.6 本章总结
• 5 车辆局部定位识别
• 5.1 引言
• 5.2 特征选取标准
• 5.3 基于HSV颜色空间的阴影检测方法
• 5.3.1 阴影粗模型的建立及粗略区域的获取
• 5.3.2 阴影检测及去除
• 5.4 快速边缘检测方法
• 5.4.1 边缘检测理论概述
• 5.4.2 基于卷包裹算法的边缘检测
• 5.4.3 车辆与阴影的边缘分离
• 5.4.4 实验结果与分析
• 5.5 针对车轮特征的局部识别
• 5.5.1 基于像素特征的识别
• 5.5.2 基于阴影特性的识别
• 5.5.3 基于特征区域边缘的识别
• 5.6 实验结果与分析
• 5.7 本章总结
• 6 全文总结与展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文