学位论文 > 优秀研究生学位论文题录展示
基于视频图像序列的抛洒物检测
作 者: 李晖
导 师: 方敏
学 校: 西安电子科技大学
专 业: 计算机应用技术
关键词: 双重背景差分 分裂轮廓融合 Kalman滤波 区域质心跟踪 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 54次
引 用: 0次
阅 读: 论文下载
内容摘要
随着高速公路和隧道的飞速发展,由此带来的交通事故不断增加,抛洒物事件作为一个频繁发生的交通事件,其引发的交通事故及潜在的安全隐患已成为急需解决的问题。如何及时准确的检测到抛洒物事件的发生,尽早排除安全隐患,保障高速公路和隧道安全畅通,已成为人们关注的热点问题。本文在分析相关遗失物检测算法的基础上,将基于双重背景的遗失物检测方法应用于抛洒物交通事件检测中,并提出改进,结合支持向量机(Support Vector Machine,简称SVM)分类器的分类识别结果,消除误判断,准确检测抛洒物事件的发生,以适应公路交通这一特殊的应用环境。主要分为运动目标的检测,运动目标的跟踪和抛洒物事件的检测三大部分。首先,在分析常用的运动目标检测算法的基础上,采用背景差分法,以保证运算的时效性。通过图像的预处理,背景提取与更新,背景差分,阴影消除等步骤,完成运动目标的检测。提出了分裂轮廓的融合算法,对检测中分裂的轮廓进行融合,实验证明,经过分裂轮廓的融合,检测精度有了很大的提高。其次,采用了两种常用的运动目标跟踪算法,Kalman滤波和基于区域质心的跟踪方法,同时给出了瞬时速度和交通流量等交通参数的计算方法,建立和更新运动目标档案,实现运动目标的实时跟踪。最后,在前面工作的基础上,应用基于双重背景的遗失物检测方法到抛洒物事件检测中。为了适应公路交通这一特殊环境,采用SVM对运动目标进行分类识别,对分类为非车类的运动目标进行检测,消除了误判断。实验证明,改进后结合SVM分类结果的基于双重背景的遗失物检测方法应用于抛洒物交通事件检测,可以很好的适应公路交通这一特殊环境,达到了很好的检测效果。
|
全文目录
摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-14 1.1 论文研究背景 8 1.2 国内外研究现状 8-10 1.3 OpenCV简介 10-11 1.4 论文的研究内容及研究意义 11-13 1.4.1 研究内容 11-12 1.4.2 研究意义 12-13 1.5 论文的组织 13-14 第二章 运动目标的检测 14-30 2.1 视频图像预处理 14-17 2.1.1 图像噪声的消除 14-16 2.1.2 图像的灰度化 16-17 2.2 常见的运动目标检测算法 17-18 2.3 基于背景差分法的运动目标分离 18-21 2.3.1 原始背景的提取 18-19 2.3.2 背景差分 19-20 2.3.3 背景更新 20-21 2.4 运动目标的提取及阴影的消除 21-24 2.4.1 形态学滤波 21 2.4.2 阴影的消除 21-23 2.4.3 轮廓提取 23-24 2.5 分裂轮廓的融合算法 24-27 2.6 实验结果及分析 27-29 2.7 本章小结 29-30 第三章 运动目标的跟踪及交通参数的提取 30-40 3.1 基于视频图像的运动目标跟踪算法 30-31 3.2 基于Kalman滤波的运动目标跟踪 31-36 3.2.1 Kalman滤波器原理 31-34 3.2.2 Kalman滤波器参数设定 34 3.2.3 实验结果及分析 34-36 3.3 基于区域质心的运动目标跟踪 36-38 3.3.1 区域质心跟踪原理 36-37 3.3.2 跟踪目标档案的建立 37-38 3.4 交通参数的提取 38 3.4.1 瞬时速度的提取 38 3.4.2 交通流量的统计 38 3.5 实验结果及分析 38-39 3.6 本章小结 39-40 第四章 抛洒物检测 40-54 4.1 基于SVM的车辆与非车目标的分类识别 40-45 4.1.1 识别流程 40-41 4.1.2 支持向量机分类原理 41-43 4.1.3 特征向量的提取 43-44 4.1.4 实验结果及分析 44-45 4.2 改进的基于双重背景的抛洒物检测 45-53 4.2.1 基于双重背景的检测方法 46-48 4.2.2 实验结果及分析 48-52 4.2.3 改进的基于双重背景的检测方法 52-53 4.3 本章小结 53-54 第五章 基于视频图像序列的抛洒物检测系统设计 54-58 5.1 系统概述 54 5.2 系统结构及功能描述 54-56 5.3 系统开发 56-57 5.4 本章小结 57-58 第六章 总结与展望 58-60 6.1 本文所做的工作 58-59 6.2 进一步的工作 59 6.3 展望 59-60 致谢 60-62 参考文献 62-66 在读期间的研究成果 66-68 附录A 68-69
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 陀螺稳定吊舱控制系统设计,TP273
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 大型耙吸挖泥船动力定位控制算法研究,U674.31
- 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
- 驾驶员眼睛开闭状态计算机图像识别技术开发,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|