学位论文 > 优秀研究生学位论文题录展示

交通视频监控系统中车辆识别与跟踪技术研究

作　者: 孔勇平
导　师: 朱娟
学　校: 华南理工大学
专　业: 计算机应用技术
关键词: 运动目标检测 阴影消除 目标识别 目标跟踪
分类号: TP277
类　型: 硕士论文
年　份: 2010年
下　载: 324次
引　用: 2次
阅　读: 论文下载
 

内容摘要


交通视频监控中运动目标的识别与跟踪技术是图像处理和计算机视觉领域中一个涉及多学科的研究前沿,有极其重要的科学意义和广阔的应用前景。运动目标的识别与跟踪是实现交通视频监控智能化的两项核心技术,识别和跟踪的结果是后续高层次应用的基础,也是交通视频监控系统实现智能化和自动化的关键。探索能够自动适应各种环境变化,并且能够实时、准确而稳定地识别和跟踪运动车辆的算法仍然是当前交通视频监控系统亟待解决的课题。本文以实现交通视频监控系统这一背景为基础,重点针对交通视频监控系统中运动目标的识别和跟踪这两个关键技术进行研究,以期获得满足智能视频监控更为可靠和实用的算法,并完成了交通视频监控系统的设计和实现。在运动目标检测方面,重点研究了背景分差法中的背景更新算法,结合交通视频背景的静止性和单调性,采用了一种基于Surendra算法改进后的背景更新方法;在阴影消除方面,根据交通视频中运动车辆的阴影特性,采用了基于HSV颜色空间与二值图像动态空间的阴影消除方法;在目标分类识别方面,综合分析了运动目标的几何形状、运动速度特征,从而建立起对运动目标分类的条件,根据这些条件可以有效地将运动目标分为大汽车、小汽车、摩托车、行人四大类。在识别的过程中,根据交通拥挤现象造成车辆互相融合的情况,采用基于虚拟车道线进行区域划分的识别方法,将不同车道的车辆有效区分开来。最后采取八连通法对运动目标进行标记,得出最小外接矩形;在运动目标跟踪方面,重点针对运动目标在相互遮挡情况下跟踪失败的问题,采用了基于匹配矩阵的运动目标跟踪方法。根据交通视频对环境因素比较敏感的情况,采取了一种通用的异常跟踪处理方法。通过在高速公路监控中心的实际运行测试表明,系统在各种环境下均能达到较高的正确率,测试结果验证了本文所采用算法的正确性和系统的可行性,可以满足交通视频监控系统的实时性、智能性和稳定性的要求,达到了预期的研究目标。

全文目录


摘要  5-6
Abstract  6-10
第一章 绪论  10-18
  1.1 课题的研究背景及意义  10-12
  1.2 研究现状与存在的问题  12-16
    1.2.1 运动目标检测研究现状  12-13
    1.2.2 运动阴影去除研究现状  13-14
    1.2.3 运动目标识别研究现状  14-15
    1.2.4 运动目标跟踪算法研究现状  15-16
  1.3 本文研究的主要内容  16-18
第二章 运动目标识别与跟踪常用算法概述  18-29
  2.1 常用运动目标检测算法  18-22
    2.1.1 帧间相减法  18-19
    2.1.2 光流法  19-21
    2.1.3 背景分差法  21
    2.1.4 运动目标检测方法的比较  21-22
  2.2 常用运动目标阴影检测算法  22-25
    2.2.1 统计的非参量量化方法  23-24
    2.2.2 基于色调畸变的阴影检测方法  24
    2.2.3 基于 HSV 颜色空间的阴影检测方法  24-25
  2.3 常用运动目标识别算法  25-26
    2.3.1 基于运动目标几何特征的识别  25-26
    2.3.2 基于运动目标颜色信息特征的识别  26
    2.3.3 基于空间信息的图像特征的识别  26
  2.4 常用运动目标跟踪算法  26-28
    2.4.1 基于颜色信息特征的跟踪  27
    2.4.2 基于主轮廓的跟踪  27-28
  2.5 本章小结  28-29
第三章 车辆识别核心算法的研究  29-50
  3.1 基于背景差分的改进模型  29-35
    3.1.1 背景模型的建立  29-31
    3.1.2 背景模型的更新  31-32
    3.1.3 基于 Surendra 算法改进后的背景更新算法  32-35
  3.2 运动车辆的阴影消除  35-41
    3.2.1 阴影形成的机理  36-38
    3.2.2 基于 HSV 颜色空间与二值图像动态空间的阴影消除  38-41
  3.3 基于虚拟车道线分割的车辆目标分类识别  41-47
    3.3.1 运动目标特征的提取和分析  42-43
    3.3.2 基于虚拟车道线的区域划分  43-45
    3.3.3 车辆目标分类识别  45-47
  3.4 识别结果分析  47-49
  3.5 本章小结  49-50
第四章 车辆跟踪算法的研究  50-59
  4.1 基于运动目标质心特征值的Kalman 滤波跟踪  50-53
    4.1.1 建立卡尔曼滤波运动模型  50-52
    4.1.2 基于运动目标特征的匹配  52-53
  4.2 遮挡情况下运动车辆的跟踪  53-56
    4.2.1 遮挡问题分析  53-54
    4.2.2 基于几何特征匹配矩阵在遮挡情况下的运动跟踪  54-56
  4.3 异常跟踪处理  56
  4.4 跟踪结果分析  56-57
  4.5 本章小结  57-59
第五章 系统设计与实现  59-69
  5.1 交通视频监控系统总体设计  59-60
  5.2 交通事件信息检测处理系统设计  60-64
    5.2.1 系统工作流程  60-62
    5.2.2 系统功能设计  62-63
    5.2.3 系统开发环境  63-64
  5.3 系统结果分析  64-68
  5.4 本章小结  68-69
总结与展望  69-71
参考文献  71-75
攻读硕士学位期间发表的论文  75-76
致谢  76

相似论文

  1. 带径向速度观测的跟踪算法研究,TN953
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  4. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  5. 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
  6. 红外超光谱图像的虚拟探测器研究,TP391.41
  7. 空间交会接近视觉测量方法研究,TP391.41
  8. 图像实时采集、存储与处理方法研究,TP391.41
  9. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  10. 移动机器人视觉检测和跟踪研究,TP242.62
  11. 空中目标抗干扰识别跟踪系统,TN215
  12. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  13. 红外图像目标识别及跟踪技术研究,TP391.41
  14. 空间红外目标仿真与跟踪技术研究,TP391.41
  15. 水下目标特征的压缩与融合技术研究,TN911.7
  16. 基于运动目标轨迹分析的智能交通监控系统,TP277
  17. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  18. 复杂场景中运动目标的检测与跟踪,TP391.41
  19. 基于支持向量机的视频目标检测方法研究,TP391.41
  20. 无线传感器网络的目标跟踪算法研究,TN929.5
  21. 基于主动视觉的运动目标检测与跟踪研究,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 > 监视、报警、故障诊断系统
© 2012 www.xueweilunwen.com