学位论文 > 优秀研究生学位论文题录展示

基于视频的车辆跟踪技术研究

作　者: 黄鑫娟
导　师: 周洁敏
学　校: 南京航空航天大学
专　业: 交通信息工程及控制
关键词: 混合高斯背景模型运动车辆检测阴影去除运动车辆跟踪车辆遮挡
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 115次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机技术和图像处理技术的不断发展,利用视频技术进行车辆检测与跟踪已成为智能运输系统中的核心内容和关键技术,它具有覆盖面积大、获取交通信息量丰富等优点。实时地跟踪运动车辆是获取可靠交通信息的重要方法。论文通过对现有的各种运动目标检测法、运动阴影去除法和运动目标跟踪法进行分析和比较,提出了一种基于单个固定摄像机下的运动车辆跟踪法。该方法适用于全局光照变化、车辆间存在遮挡等复杂交通场景,并能鲁棒地克服噪声的影响。论文的研究重点是运动车辆检测、车辆阴影去除、遮挡下的运动车辆跟踪。在运动车辆检测方面,分析混合高斯背景模型中高斯分布个数的选择和学习率的调整,提出了一种自适应混合高斯背景模型的运动车辆检测法,该方法检测出的车辆较完整;在车辆阴影去除方面,分析像素点邻域内的光度特性和梯度特性,提出了一种基于光度特性和多梯度分析的运动阴影去除法,该方法适应性强,具有高检测率和高识别率;在遮挡下的运动车辆跟踪方面,对传统均值漂移法加以改进,并结合灰色预测模型实现车辆跟踪,该方法能够鲁棒性地克服遮挡的影响。论文的研究目的是跟踪运动车辆,提出了改进的运动车辆检测法、运动阴影去除法和遮挡下的运动车辆跟踪法,这些方法不仅在跟踪刚性目标时具有一定的应用价值,而且在跟踪非刚性目标等应用中也具有一定的参考价值。

全文目录

摘要  4-5
ABSTRACT  5-14
第一章绪论  14-20
  1.1 研究背景  14-15
  1.2 车辆跟踪技术研究的目的及意义  15-16
  1.3 国内外研究现状  16-17
    1.3.1 国外研究现状  16
    1.3.2 国内研究现状  16-17
  1.4 课题研究内容  17-19
    1.4.1 论文总体方案及应用环境  17-18
    1.4.2 论文研究内容  18
    1.4.3 论文关键技术  18-19
  1.5 课题组织结构  19-20
第二章视频图像跟踪预备知识  20-32
  2.1 边缘检测  20-23
    2.1.1 Roberts 算子检测法  20-21
    2.1.2 Prewitt 算子检测法  21
    2.1.3 Sobel 算子检测法  21
    2.1.4 Laplacian 算子检测法  21-22
    2.1.5 Canny 算子检测法  22
    2.1.6 实验结果与分析  22-23
  2.2 二值化处理  23-28
    2.2.1 迭代法  23-24
    2.2.2 最大类间方差法  24-25
    2.2.3 灰度拉伸大津法  25
    2.2.4 最大熵法  25-26
    2.2.5 本章改进的二值化法  26
    2.2.6 实验结果与分析  26-28
  2.3 噪声去除  28-30
    2.3.1 中值滤波法  28
    2.3.2 连通域面积法  28-29
    2.3.3 形态学滤波法  29-30
  2.4 图像识别  30-31
    2.4.1 特征提取和选择  30
    2.4.2 目标描述  30-31
  2.5 本章小结  31-32
第三章运动车辆检测  32-45
  3.1 运动目标检测法的总结  32-35
    3.1.1 背景差分法  32-34
    3.1.2 帧间差分法  34
    3.1.3 光流法  34
    3.1.4 混合法  34-35
  3.2 自适应混合高斯背景模型的运动车辆检测法  35-39
    3.2.1 背景重建  35-38
      3.2.1.1 混合高斯背景模型初始化  36-37
      3.2.1.2 混合高斯背景模型参数更新  37-38
      3.2.1.3 背景确定  38
    3.2.2 运动车辆检测  38-39
    3.2.3 噪声点去除  39
  3.3 实验结果与分析  39-44
    3.3.1 背景提取实验结果  39-41
    3.3.2 车辆检测实验结果  41-44
  3.4 本章小结  44-45
第四章运动车辆阴影检测与去除  45-54
  4.1 运动阴影检测法的总结  45-46
    4.1.1 基于阴影模型的方法总结  45-46
    4.1.2 基于阴影属性的方法总结  46
  4.2 基于光度特性和多梯度分析的运动阴影去除法  46-50
    4.2.1 结合光度特性和连接成分分析法检测候选阴影区域  47-48
    4.2.2 梯度差分去除阴影  48-49
    4.2.3 连接成分分析  49-50
    4.2.4 阴影边界去除  50
  4.3 实验结果与定量评估结果  50-53
    4.3.1 实验结果分析  50-52
    4.3.2 实验结果评估  52-53
  4.4 本章小结  53-54
第五章运动车辆跟踪  54-66
  5.1 运动目标跟踪法的总结  54-55
    5.1.1 基于模型的跟踪  54
    5.1.2 基于区域的跟踪  54-55
    5.1.3 基于活动轮廓的跟踪  55
    5.1.4 基于特征的跟踪  55
  5.2 基于GM(1,1)预测模型和均值漂移的运动车辆跟踪法  55-64
    5.2.1 遮挡检测  56-57
    5.2.2 非遮挡下的运动车辆跟踪  57-58
    5.2.3 遮挡下的运动车辆跟踪  58-64
      5.2.3.1 GM(1,1)预测模型原理  58-59
      5.2.3.2 基于GM(1,1)预测模型的车辆重心位置预测  59-60
      5.2.3.3 基于GM(1,1)预测模型的车辆重心位置预测结果  60
      5.2.3.4 基于均值漂移法的跟踪原理  60-62
      5.2.3.5 均值漂移法中目标初始位置的改进  62
      5.2.3.6 均值漂移法中颜色模型的改进  62
      5.2.3.7 均值漂移法中权值的改进  62-63
      5.2.3.8 结合GM(1,1)预测模型和均值漂移的车辆跟踪法  63-64
  5.3 实验结果与分析  64-65
  5.4 本章小结  65-66
第六章论文总结与展望  66-68
  6.1 论文总结  66-67
  6.2 论文展望  67-68
参考文献  68-73
致谢  73-74
发表的论文及参与完成的科研项目  74

基于视频的车辆跟踪技术研究

内容摘要

全文目录

相似论文