学位论文 > 优秀研究生学位论文题录展示

基于本征图像的车辆检测技术的研究与应用

作　者: 王婷
导　师: 于慧敏
学　校: 浙江大学
专　业: 信息与通信工程
关键词: 本征图像 运动检测 夜间检测 阴影 车辆检测
分类号: TP274.4
类　型: 硕士论文
年　份: 2008年
下　载: 250次
引　用: 1次
阅　读: 论文下载
 

内容摘要


智能交通系统(Intelligent transportation systems,ITS)在交通系统中加强信息和通信技术的应用,改善了交通运输的安全性和灵活性,提高了社会的生产效率。交通监控是智能交通系统的重要功能之一,它为系统服务功能的实现而提供有用的数据。运动车辆检测是视频交通监控系统中的一项关键技术。它为进一步分析道路状况提供有用的信息。然而场景光照条件的变化给运动目标检测的准确性带来挑战。因为光照的变化会导致属于阴影或者灯光处的像素被错误的当作运动目标的一部分。本文对运动车辆检测技术进行了全面的讨论。对其中关键的阴影检测技术和夜间车辆检测进行了全面系统的分类介绍。本文还提出一种基于本征图像的运动车辆检测算法,这种算法可以有效地去除阴影和光照影响给检测带来的干扰,适用于白天和夜间的视频车辆检测。根据大量实验观察的结果,可以假定视频的背景在一定时间内是固定而不随时间变化的。相反,包括运动目标和变化的光照在内的前景是随时间变化的。此外,前景图像对于空间求导滤波器的输出是稀疏的。因此,可以通过在梯度域对输入的图像序列做中值滤波而得到背景图像在梯度域的估计值。继而用原始图像的梯度图减去背景图像的梯度图即可以得到前景的梯度图。根据本征图像的思想,可以将前景图像的梯度分为由反射引起的变化和由照射引起的变化这两类。本文中把前景图像的所有梯度中由反射变化引起的分量称为目标图像梯度图,把前景图像的所有梯度中由照射变化引起的分量称为光影图像的梯度图。最后,通过将目标图像梯度图中每一个像素位置的梯度值与阈值做比较,把梯度值高于阈值的像素位置标记为运动车辆的边缘。对所得到的目标边缘信息进行形态学闭运算和填充处理,最终将运动车辆分割出来。用本文提出的算法对白天和夜间的多组视频序列进行实验,结果证实本文提出的算法对不同序列都有比较好的性能。此外,本文提出的算法还被应用在了实时车辆检测系统中。路口实地测试结果同样证实了本文算法的有效性。

全文目录


摘要  3-4
ABSTRACT  4-6
目录  6-8
第1章 绪论  8-13
  1.1 智能交通研究背景  8
  1.2 智能交通系统介绍  8-9
  1.3 ITS中的车辆检测  9-11
  1.4 本文研究内容及论文创新点  11-13
第2章 运动车辆检测  13-21
  2.1 引言  13
  2.2 车辆检测方法  13-15
    2.2.1 基于光流估计的运动车辆检测  13-14
    2.2.2 基于帧间差分的运动车辆检测  14
    2.2.3 基于背景差分的运动车辆检测  14-15
  2.3 背景建模和更新技术  15-20
    2.3.1 高斯均值  15-16
    2.3.2 时域均值滤波  16-17
    2.3.3 混合高斯模型  17-18
    2.3.4 核密度估计法  18-19
    2.3.5 序列核密度逼近  19-20
    2.3.6 图像差异同现法  20
    2.3.7 特征背景法  20
  2.4 本章小结  20-21
第3章 复杂条件下的车辆检测  21-32
  3.1 引言  21
  3.2 车辆阴影检测  21-29
    3.2.1 基于几何特征的阴影检测算法  22-23
    3.2.2 基于颜色特性的阴影检测算法  23-26
    3.2.3 基于纹理信息的阴影检测算法  26
    3.2.4 基于边缘信息的阴影检测算法  26-27
    3.2.5 基于统计模型的阴影检测算法  27-29
  3.3 夜间车辆检测算法  29-31
    3.3.1 利用定位车身特定部位的夜间车辆检测  30-31
    3.3.2 利用边缘信息的夜间车辆检测  31
  3.4 本章小结  31-32
第4章 基于本征图像的昼夜通用车辆检测算法  32-53
  4.1 引言  32
  4.2 本征图像  32-43
    4.2.1 由图像序列提取本征图像  34-37
    4.2.2 由单幅图像提取本征图像  37-43
  4.3 基于本征图像的车辆检测  43-51
    4.3.1 图像组成分析  45-46
    4.3.2 前景图像提取  46-47
    4.3.3 目标图像和光影图像分解  47-50
    4.3.4 运动目标分割  50-51
  4.4 本章小结  51-53
第5章 实时车辆检测系统及算法结果分析  53-65
  5.1 背景更新  53
  5.2 参数设置  53-54
  5.3 实验结果  54-58
  5.4 在实时车辆检测系统中的应用  58-64
    5.4.1 实时车辆检测系统框架  59-60
    5.4.2 软件实现  60-64
  5.5 本章小结  64-65
第6章 总结与展望  65-66
参考文献  66-72
攻读硕士学位期间发表的论文  72-73
致谢  73

相似论文

  1. 基于机器视觉的车辆检测和车距测量方法研究,TP274
  2. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  3. 基于FPGA高清视频车辆检测系统的设计与实现,TP391.41
  4. 复杂场景中运动目标的检测与跟踪,TP391.41
  5. 运动检测技术在智能监控系统中的应用,TP277
  6. 基于OpenGL的实时阴影算法研究,TP391.41
  7. 基于视频的车辆检测与跟踪算法的研究与实现,TP391.41
  8. 嵌入式处理器中多媒体加速单元的研究,TP332
  9. 运动目标跟踪系统的设计与实现,TP391.41
  10. 交通视频监控若干关键算法设计及应用,TP391.41
  11. 视频监控系统中的运动目标检测算法研究,TP391.41
  12. 基于学习与交互的本征图像求解方法研究,TP391.41
  13. 增强现实系统中火焰特效关键技术研究,TP391.9
  14. 融合整体与组件特征的车辆检测方法研究,TP391.41
  15. 基于机器视觉的交通路口车流量检测方法研究,TP274
  16. 大口径长焦距离轴平行光管及关键光学元件的研制,TH74
  17. 基于DM6437的视频行人运动检测系统设计,TP391.41
  18. 大规模虚拟环境中实时软阴影技术的研究,TP391.41
  19. 视频跟踪中Mean-Shift算法的应用研究,TP391.41
  20. 数字式阴影照相测控系统研究,TH74
  21. 基于焦散体的透明物体实时渲染算法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统 > 集中检测与巡回检测系统
© 2012 www.xueweilunwen.com