基于视频的车辆检测研究

论文摘要

在智能交通系统中,对运动车辆实现无人监控是当今研究的热点问题,它涉及到计算机视觉、信息采集、视频图像处理等各方面的技术。运动车辆的有效检测和准确跟踪是现代智能交通研究的核心部分。本文对此问题进行了一些研究,给出了一种在自然道路背景下运动车辆自动检测与跟踪的方法,并开发了相应的软件系统,初步实现了运动车辆的自动跟踪。本文实现了基于帧差法的运动车辆的检测,并对图像的平滑处理、增强、边界检测、噪声去除等方面做了分析和研究。在连通区域上,提出一种新的多运动目标探测标记法,实现了公路交通中运动车辆的有效检测和提取。在车辆检测的基础上,本文采用匹配-修正-预测的循环策略对车辆跟踪进行了研究。根据运动车辆在相邻两帧中移动距离不大,从而在图像中面积的变化也不大的特点,采用运动车辆的中心和面积两个参数在相邻图中进行匹配。利用卡尔曼滤波理论建立运动模型,通过车辆特征如中心位置和面积大小进行预测,预测得到的运动目标和当前帧中的目标进行匹配,寻找运动目标在图像序列中各帧中的对应关系,确定其运动轨迹,可以进一步得到车速、车流量等重要的交通参数。实验结果表明,减小了模板匹配的搜索区域,并降低误匹配的概率,能够对运动车辆进行有效跟踪。此外,由于该算法处理参数少,数据量小,能够实时跟踪到车辆在图像中的位置。本文设计并用Visual C++实现了基于视频的运动目标检测实验系统,给出了系统的框架结构和实现步骤。最后还对影响交通检测精确度的因素进行了分析,并提出一些解决方案。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.2 研究现状及存在问题
• 1.3 本文主要研究内容
• 第2章 图像处理基础知识
• 2.1 彩色空间
• 2.1.1 灰度图像
• 2.1.2 RGB颜色空间
• 2.1.3 HSV颜色空间
• 2.1.4 图像之间的转换
• 2.2 数学形态学及其滤波性质
• 2.2.1 数学形态学基础知识
• 2.2.2 形态学基本运算及其滤波性质
• 2.2.3 腐蚀运算和膨胀运算
• 2.2.4 开运算和闭运算
• 2.2.5 数学形态学的滤波性质
• 2.3 边缘检测算子
• 2.3.1 基于梯度的边缘检测
• 2.3.2 二阶微分算子
• 2.4 实验结果
• 2.5 本章小结
• 第3章 运动车辆的提取
• 3.1 背景的提取
• 3.1.1 直接获取静态背景
• 3.1.2 灰度统计法给出背景
• 3.1.3 高斯建模提取背景
• 3.2 背景的自适应更新
• 3.3 运动车辆的提取
• 3.3.1 差分法
• 3.3.2 光流法
• 3.4 图像滤波
• 3.5 运动车辆影子的去除
• 3.5.1 阴影概念及特点
• 3.5.2 阴影去除方法
• 3.6 本章小结
• 第4章 运动车辆的跟踪
• 4.1 常用运动目标跟踪方法
• 4.1.1 基于特征匹配的跟踪方法
• 4.1.2 基于3D的跟踪算法
• 4.1.3 基于区域匹配的跟踪方法
• 4.1.4 基于模型匹配的跟踪方法
• 4.2 卡尔曼滤波理论
• 4.2.1 卡尔曼滤波基本原理
• 4.2.2 基于卡尔曼滤波的运动目标估计
• 4.3 基于卡尔曼滤波的跟踪模型
• 4.3.1 多运动目标连通域标记
• 4.3.2 目标中心点的确定及匹配
• 4.3.3 目标链表的建立
• 4.3.4 跟踪区域设定
• 4.3.5 模型更新
• 4.4 实验结果及分析
• 4.5 本章小结
• 第5章 基于视频的车辆运动检测实验系统
• 5.1 系统构成
• 5.2 视频采集要求
• 5.3 系统模块设计
• 5.3.1 系统参数设置模块
• 5.3.2 图像处理模块
• 5.3.3 运动目标检测模块
• 5.3.4 运动目标跟踪模块
• 5.4 系统软件界面
• 5.5 系统性能评价
• 5.6 影响交通检测精度的因素分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢