学位论文 > 优秀研究生学位论文题录展示

基于视频的运动汽车检测技术研究

作　者: 杨会锋
导　师: 帅立国
学　校: 兰州理工大学
专　业: 信号与信息处理
关键词: 智能交通系统运动汽车检测背景差边缘信息阴影主动轮廓模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 43次
引　用: 0次
阅　读: 论文下载

内容摘要

视频运动汽车检测作为智能交通系统中最基础的部分,其结果直接关系着下一步车辆跟踪、识别及行为分析等语义信息理解的优劣。运动汽车的检测可以实现交通参数的提取并能进一步自动检测交通事件。但在一个室外的车辆检测系统中,经常会有一些外界的因素比如摄像头的抖动、光线的变化、树叶的摇摆等影响到检测的精确度。如何在室外复杂环境中实现对运动汽车实时、准确的检测与提取是本文要研究的重点。针对背景差分法易受外界复杂环境影响的不足,本文提出改进的K-均值聚类算法来对复杂环境下的背景进行建模,将室外场景中的噪声、摄像机的抖动等多模态分别用K个子类来描述,通过比较任意样本与该像素位置处的子类中心之间的距离,对各个像素的观察值进行聚类,并在聚类过程中逐步确定其类别数。一段时间的学习之后,样本数最多的子类就构成了背景模型。即使在运动车辆一直存在的场景中也能很好地提取出理想的背景。对于场景背景中的车辆突然开始运动或者车辆突然驶入当前场景并作为背景停留的情况,本文首先采用背景差分法检测出运动变化的区域,再采用canny算子检测出当前场景中运动车辆的边缘轮廓,将两种方法结合起来增强了检测系统的鲁棒性,抑制了虚假运动目标的出现,提高了检测的准确性。考虑到室外环境中阳光会使车辆产生阴影,本文采用HSV空间来对阴影进行检测与去除,取得了很好的效果,进一步提高了运动车辆检测的精确性。针对传统snake算法对初始轮廓要求较高的问题,本文将之前改进算法粗分割得到的前景车辆边界作为改进snake算法的初始边缘轮廓,使得在应用snake模型对复杂图像进行分割时减少了人工的干预。同时将Perona-Malik各向异性去噪模型引入到GVF模型当中进行车辆轮廓的提取,克服了传统外力场不能进入车辆图像凹部的缺陷,而且对初始曲线的约束较少,具有良好的鲁棒性。最后,采用现场交通视频图像对本文算法进行了仿真实验,并获得了较好的检测效果,验证了本文算法的有效性。

全文目录

摘要  8-9
ABSTRACT  9-11
附图索引  11-12
附表索引  12-13
第1章绪论  13-20
  1.1 研究背景  13-16
    1.1.1 智能交通系统简介  13-14
    1.1.2 常用车辆检测技术简述  14-16
  1.2 视频汽车检测的国内外研究现状  16-18
    1.2.1 视频检测的国外研究现状  16-17
    1.2.2 视频检测的国内研究现状  17-18
  1.3 本文研究的主要内容  18-19
  1.4 本章小结  19-20
第2章数字视频图像基础  20-26
  2.1 常用颜色模型介绍  20-22
    2.1.1 RGB 颜色模型  20-21
    2.1.2 HSV 颜色模型  21-22
  2.2 本文涉及的主要图像处理内容及方法  22-24
    2.2.1 图像的灰度化  22
    2.2.2 图像的二值化  22-23
    2.2.3 图像增强  23-24
  2.3 本章小结  24-26
第3章基于视频的运动目标检测技术  26-46
  3.1 运动目标检测方法概述  26-31
    3.1.1 光流法  27-28
    3.1.2 帧差分法  28-29
    3.1.3 背景差法  29-30
    3.1.4 各类方法间的比较  30-31
  3.2 基于背景差算法的运动车辆检测  31-40
    3.2.1 常用的背景模型  31-33
    3.2.2 背景的提取  33-36
    3.2.3 背景的更新  36
    3.2.4 运动车辆的分割  36-38
    3.2.5 实验结果与分析  38-40
  3.3 基于背景差和边缘信息的运动车辆检测  40-45
    3.3.1 基于边缘的目标检测方法  41-43
    3.3.2 基于边缘和K-均值聚类相结合的目标检测方法  43
    3.3.3 实验结果与分析  43-45
  3.4 本章小结  45-46
第4章车辆阴影去除技术与图像后处理  46-52
  4.1 运动车辆的阴影去除技术  46-48
    4.1.1 阴影的概念及物理属性  46-47
    4.1.2 基于HSV 空间的阴影检测  47
    4.1.3 实验结果与分析  47-48
  4.2 基于数学形态学的图像后处理  48-50
    4.2.1 数学形态学的基本思想  48-49
    4.2.2 数学形态学的方法  49-50
    4.2.3 实验结果与分析  50
  4.3 本章小结  50-52
第5章基于主动轮廓模型的车辆轮廓提取  52-58
  5.1 Snake 模型概述  52-54
    5.1.1 Snake 模型的数学模型  53
    5.1.2 Snake 模型的原理  53-54
  5.2 基于改进的snake 模型的车辆轮廓提取  54-55
    5.2.1 GVF 模型  54
    5.2.2 改进的GVF 模型  54-55
  5.3 实验结果与分析  55-57
  5.4 本章小结  57-58
结论与展望  58-60
参考文献  60-65
致谢  65-66
附录 A 发表的学术论文目录  66

基于视频的运动汽车检测技术研究

内容摘要

全文目录

相似论文