学位论文 > 优秀研究生学位论文题录展示

基于低空平台的车辆检测与跟踪研究

作　者: 刘涛
导　师: 李文辉
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 低空平台车辆检测车辆跟踪车辆监控系统
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

随着机器视觉的发展,机器视觉在智能交通监控系统中的应用也取得比较大的成就。目前在道路车辆的检测和跟踪方面都有比较深入的研究,其中低空平台(我们将低于100米的高度称为低空)下的车辆检测与跟踪是一个比较有挑战性的课题。本文通过对低空平台下的城市交通路口视频序列的分析,以及对目标检测和跟踪算法的研究和分析,提出了基于低空平台的道路车辆检测和跟踪方法,并通过实验验证了本文算法的有效性。综合道路检测与跟踪方法,实现了基于低空平台的道路监控系统,该系统可快速对通过道路的车辆进行检测与跟踪,分析交通路口信息。本文具体研究工作可以分为如下几个部分：(1)对低空平台下的交通路口车辆视频进行了研究。本文对常用的帧间差法和背景减除法进行实验和分析,针对常规的目标提取算法都不太理想,使用了累加差分与高斯背景建模相结合来提取低空平台下道路前景车辆,并通过了算法来验证了其有效性,使得检测的结果比较理想。(2)从前景提取算法中获取的到的前景序列都会有噪声的干扰,本文通过多次实验,统计出噪声区域面积的阈值,通过设定阈值将孤立的噪声小区域去掉,使得过滤后的前景序列更准确,为下一步的跟踪做了比较好的准备。(3)由于光照和阴影对检测算法的干扰,使得检测部分提供给跟踪的目标车辆的矩形框往往都比目标区域的车辆轮廓大很多,本文通过大量的实验统计出了检测部分的目标区域大小和实际车辆的大小比例为1：0.8,所以,我们对于检测的目标区域都进行缩放,然后再将其用于下一步的跟踪。(4)通过实验结果分析了Mean-shift、Camshift、ABCshift、Kalman、粒子滤波这五种跟踪算法在低空平台视频序列下的跟踪效果,针对这五种跟踪算法在低空平台下的缺陷,本文使用了基于Mean-shift的粒子滤波算法,通过对粒子进行优化,来大幅度的减小粒子滤波跟踪目标所需的粒子数,大幅度的提升了算法的跟踪速度。(5)本文从低空平台的车辆的检测和跟踪出发,将检测与跟踪集成了基于低空平台的道路车辆监控系统,完成了从检测部分到跟踪部分的交互。(6)本文通过网上采集的低空平台下的交通路口的视频,利用其进行了算法的验证。系统采用Visual C++作为开发和实验平台,利用OpenCV图像库进行视频采集和部分算法的实现,并通过实验证明了本文算法应用于低空平台下车辆检测与跟踪的有效性。

全文目录

摘要  4-6
Abstract  6-9
第1章概述  9-14
  1.1 引言  9
  1.2 研究的目的和意义  9
  1.3 国内外研究现状  9-11
    1.3.1 运动目标检测  10
    1.3.2 运动目标跟踪  10-11
  1.4 主要研究内容  11-12
  1.5 论文整体结构  12-14
第2章低空平台下的车辆检测  14-27
  2.1 引言  14
  2.2 目标检测方法  14-21
    2.2.1 帧间差法  15-16
    2.2.2 背景减除  16-21
  2.3 基于累加差分的高斯背景建模算法  21-24
  2.4 实验及分析  24-26
  2.5 本章小结  26-27
第3章低空平台下的车辆跟踪  27-48
  3.1 引言  27
  3.2 现有跟踪算法  27-30
  3.3 基于MEAN-SHIFT优化的粒子滤波  30-41
    3.3.1 MEAN-SHIFT论  30-34
    3.3.2 粒子滤波理论  34-37
    3.3.3 基于MEAN-SHIFT的粒子滤波跟踪算法  37-41
  3.4 试验及分析  41-47
  3.5 本章小结  47-48
第4章低空平台下的道路车辆监控系统  48-53
  4.1 引言  48
  4.2 基于低空平台车辆检测与跟踪系统设计  48-50
  4.3 系统的处理结果分析  50-52
  4.4 总结  52-53
第5章总结和展望  53-56
  5.1 总结  53-54
  5.2 展望  54-56
参考文献  56-60
致谢  60

基于低空平台的车辆检测与跟踪研究

内容摘要

全文目录

相似论文