学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的汽车流量检测算法研究

作　者: 吴国伟
导　师: 郭志强；谢金法
学　校: 河南科技大学
专　业: 车辆工程
关键词: 机器视觉图像处理流量检测 BP神经网络特征参数
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 51次
引　用: 0次
阅　读: 论文下载

内容摘要

基于机器视觉对汽车流量进行实时检测,对提高我国智能交通的发展具有十分重要的意义。目前,在汽车流量检测的过程中存在效率低、误检率高、速度慢等缺点,很难满足检测实时性的要求。基于此,本论文提出了基于机器视觉的汽车流量检测算法的研究,包括汽车图像处理和汽车图像特征提取、汽车图像目标检测、流量统计和交通状态判断。本文将采集后的汽车图像进行A/D转换成24位GDI位图,对转换后的汽车图像进行平滑、分割、灰度化和锐化等图像处理,其次提取处理后汽车图像的区域面积、区域周长和形心等参数,依据提取的特征参数实现汽车图像目标检测,并统计汽车流量,根据一定时段一定路段的平均流量进行交通状态判断。汽车图像目标检测依据提取的汽车图像特征,使用基于差分的方法,检测出汽车图像目标,并计算出汽车流量,其统计正确率可达98%。交通状态判断是采用遗传算法优化的BP神经网络作为判断器,将提出的交通流量参数即平均流量,作为BP神经网络的输入参数,将交通的两种状态即阻塞和畅通,作为BP神经网络的输出。训练经过GA优化后的BP神经网络,将其作为交通判断器,实现交通流量的检测,其判断正确率可达96%以上。研究设计基于机器视觉的汽车流量检测系统,通过试验实现汽车流量检测和交通状态判断。因此本文设计的汽车流量检测系统,通过试验验证了该系统满足实时性的要求,满足智能交通的发展,同时也验证了本论文提出的理论研究与设计方案的可行性与正确性。

全文目录

摘要  2-3
ABSTRACT  3-7
第1章绪论  7-15
  1.1 研究背景及意义  7-9
  1.2 国内外研究现状及进展  9-11
  1.3 论文研究内容  11-13
  1.4 论文结构安排  13-15
第2章汽车图像处理  15-30
  2.1 汽车图像采集  15-16
  2.2 汽车图像处理  16-29
    2.2.1 图像灰度化处理  17-18
    2.2.2 图像平滑化处理  18-20
    2.2.3 图像增强  20-23
    2.2.4 图像分割处理  23-26
    2.2.5 图像锐化  26-29
  2.3 本章小结  29-30
第3章汽车流量检测  30-39
  3.1 汽车目标图像特征提取  30-33
    3.1.1 汽车目标图像特征描述  30-31
    3.1.2 汽车目标特征提取算法  31-33
  3.2 汽车流量检测  33-37
    3.2.1 汽车流量检测方法  33-34
    3.2.2 基于图像差分的汽车流量检测  34-37
  3.3 本章小结  37-39
第4章交通状态检测  39-45
  4.1 遗传算法优化BP 神经网络交通状态检测算法  39-43
    4.1.1 交通状态特征提取  39-40
    4.1.2 GA 优化BP 神经网络算法设计  40-43
  4.2 交通状态检测与仿真  43-44
  4.3 本章小结  44-45
第5章汽车流量检测系统设计  45-50
  5.1 系统设计  45-48
    5.1.1 系统的硬件与软件  45-46
    5.1.2 系统软件设计界面  46-48
  5.2 仿真结果  48-49
  5.3 本章小结  49-50
第6章结论与展望  50-52
  6.1 结论  50-51
  6.2 展望  51-52
参考文献  52-55
致谢  55-56
攻读硕士学位期间的研究成果  56

基于机器视觉的汽车流量检测算法研究

内容摘要

全文目录

相似论文