基于运动目标检测与跟踪视频测速算法的研究

基于运动目标检测与跟踪视频测速算法的研究

论文摘要

交通在国民经济和社会发展中发挥着举足轻重的作用。智能交通系统中,交通检测的信息采集已经成为计算机视觉技术应用的一项重要课题,而运动车辆的检测、分割与跟踪则是其中最为基础的部分。本文针对以上几个方面的问题进行探索和研究,提出新的方法,并通过实验证明新方法的有效性,对后续车速检测提供基本保证。车速检测是交通管理系统中的一个重要组成部分。随着图像处理技术的发展,视频检测技术在车速检测中的应用越来越广泛,本文主要研究图像处理在视频车速检测中的应用。基于移动测速设备的测速模式,本文提出了一种视频序列图像的车辆测速实现方法,通过测定固定时间间隔的连续两帧图像中目标车辆的相对位移来进行车速的测定,以及通过车辆定位判别的思想提高了测速的精度。采用数学形态学结构元素进行运动目标检测,最小协方差矩阵进行跟踪,然后在求得车辆运动位移基础上得到车辆速度。实验结果表明,该方法能较为精确的测量出车辆的实际行驶速度,克服了传统测速方法的不足,在高速公路移动测速等场合具有较好的使用价值。在运动物体检测方面,本文在传统的背景相减法和帧间相减法的基础上,采用背景相减法和帧间相减法相结合的方法来检测运动物体,并通过这种方法得到差分图像。对检测得到的灰度差分图像进行分割、跟踪及测速时本文分为四个步骤:(1)利用多结构元素的形态学边缘检测算子对前面获得的灰度差分图像进行边缘检测;(2)对检测出来的灰度差分图像用原始OTSU法进行分割,将分割得到的二值图像与(1)得到的图像边缘相加,得到改进的二值图像;(3)应用数学形态学方法对改进的二值图像进行目标增强及滤波去噪处理,得到所需图像,进而对提取出的目标图像进行下一步的跟踪操作;(4)在跟踪识别的基础上对运动车辆进行检测,求出车辆的运动距离s ,再根据固定时间间隔(Δt),求出车辆的速度v = sΔt。在对运动物体分割的基础上,依据分割出的运动目标的质心和跟踪窗口对场景中的车辆进行识别跟踪。跟踪的同时,通过运动估计来预测下一帧中运动物体可能出现的位置。本文采用基于卡尔曼(Kalman)滤波器的跟踪模型,在实验过程中采用较小的观测噪声协方差矩阵进行跟踪,从实验结果看出,该方法取得比较理想的跟踪效果,为后面准确测速提供较好的保证。实验结果证明本文研究算法的有效性和可行性,并有良好的应用前景。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 视频车速检测简介
  • 1.1.1 智能交通系统简介
  • 1.1.2 智能交通系统的发展状况
  • 1.1.3 智能交通系统发展面临的问题
  • 1.1.4 视频测速方法及优点
  • 1.2 本文主要工作
  • 1.3 本论文安排
  • 第二章 图像预处
  • 2.1 车辆交通图像的特点
  • 2.2 图像灰度化
  • 2.3 图像非线性变换
  • 2.4 空间域滤波增强
  • 2.4.1 自适应滤波
  • 2.4.2 中值滤波
  • 2.5 本章小结
  • 第三章 运动目标的检测
  • 3.1 运动目标检测算法存在的研究难点
  • 3.2 运动目标检测算法的概述
  • 3.2.1 光流场法
  • 3.2.2 基于差分图像的运动目标检测方法
  • 3.2.4 变化检测
  • 3.3 改变背景差分方法
  • 3.4 运动检测结果的分析
  • 第四章 运动目标的分割
  • 4.1 运动目标分割技术简介
  • 4.1.1 灰度阈值分割
  • 4.1.2 区域分割
  • 4.1.3 大津阈值(OTSU)分割方法
  • 4.2 改进的分割方法用到数学形态学简介
  • 4.3 改进运动目标分割方法
  • 4.3.1 改进的边缘提取算子
  • 4.3.2 形态学目标增强及滤波去噪
  • 4.4 本章小节
  • 第五章 运动目标的跟踪
  • 5.1 图像跟踪方法简述
  • 5.1.1 基于运动估计的跟踪方法
  • 5.2 卡尔曼滤波简介及其原理
  • 5.2.1 卡尔曼滤波器简介
  • 5.2.2 卡尔曼滤波方法分析
  • 5.2.3 卡尔曼滤波原理
  • 5.3 卡尔曼滤波跟踪模型
  • 5.3.1 特征值的计算
  • 5.3.2 跟踪窗口的设置
  • 5.3.3 运动目标质心
  • 5.3.4 卡尔曼运动估计模型及参数定义
  • 5.4 本章小节
  • 第六章 视频测速原理及实现
  • 6.1 车辆测速技术简介以及视频测速技术存在的难点
  • 6.1.1 车辆测速技术简介
  • 6.1.2 视频测速技术存在的难点
  • 6.2 视频测速的总体构架
  • 6.2.1 硬件构架
  • 6.2.2 软件构架
  • 6.3 视频测速相关问题
  • 6.3.1 车辆行驶时间的测定
  • 6.3.2 车辆行驶路程的测定
  • 6.4 具体求速度的方法
  • 6.4.1 根据质心位移求速度法
  • 6.4.2 摄像机定标求速度法
  • 6.5 视频测速实验结果
  • 6.6 本章小结
  • 第七章 总结与展望
  • 参考文献
  • 致谢
  • 攻读学位期间发表的论文
  • 相关论文文献

    • [1].国外智能交通系统介绍[J]. 广东交通 2011(05)
    • [2].大数据及其在城市智能交通系统中的应用[J]. 门窗 2019(12)
    • [3].提升城市流动性的智能交通系统研究[J]. 集成电路应用 2019(12)
    • [4].智能交通系统的兴起与主要组成部分[J]. 汽车与安全 2019(11)
    • [5].美日等国城市智能交通系统建设[J]. 汽车与安全 2019(11)
    • [6].简析大数据在智能交通系统中的应用[J]. 广东通信技术 2019(11)
    • [7].提升城市流动性的智能交通系统研究[J]. 智能城市 2020(03)
    • [8].苏州市智能交通系统运行维护及商业化运营模式研究[J]. 江苏科技信息 2020(02)
    • [9].基于物联网太阳能辅助供电智能交通系统设计[J]. 山西电子技术 2020(01)
    • [10].“有意义学习”理论在《智能交通系统》课程体系建设中的应用[J]. 高教研究与实践 2019(04)
    • [11].大数据在城市智能交通系统中的应用[J]. 信息与电脑(理论版) 2020(05)
    • [12].城市智能交通系统总体设计思路探析[J]. 智能城市 2020(10)
    • [13].关于高速公路智能交通系统的规划探究[J]. 科技经济导刊 2020(19)
    • [14].城市智能交通系统的发展现状与趋势探讨[J]. 城市建设理论研究(电子版) 2020(11)
    • [15].标准助力部署城市智能交通系统[J]. 中国标准化 2020(08)
    • [16].智能交通系统在道路交通风险主动防控中的应用[J]. 交通世界 2020(21)
    • [17].基于RFID和物联网技术的智能交通系统设计[J]. 电子测试 2020(17)
    • [18].浅谈智能交通系统中的无线通信技术及其应用[J]. 低碳世界 2020(09)
    • [19].智能交通系统在运输管理中的应用研究[J]. 信息系统工程 2020(09)
    • [20].大数据下智能交通系统的发展综述[J]. 信息与电脑(理论版) 2019(01)
    • [21].中国智能交通发展回眸(一) 智能交通系统的起步岁月[J]. 中国交通信息化 2018(12)
    • [22].中国智能交通系统的现状和发展对策[J]. 中小企业管理与科技(上旬刊) 2019(01)
    • [23].大数据在智能交通系统中的应用浅析[J]. 中国交通信息化 2019(01)
    • [24].智能交通系统的研究现状及发展趋势分析[J]. 中国设备工程 2019(02)
    • [25].我国智能交通系统的发展研究[J]. 住宅与房地产 2019(06)
    • [26].新型智慧城市建设背景下智能交通系统设计研究——以安徽省合肥市为例[J]. 哈尔滨学院学报 2019(05)
    • [27].大数据在智能交通系统中的应用[J]. 电脑知识与技术 2019(17)
    • [28].智慧城市中关于智能交通系统的建设研究[J]. 信息与电脑(理论版) 2019(15)
    • [29].城市智能交通系统建设内容与探讨[J]. 现代经济信息 2017(22)
    • [30].智能交通系统技术动态及发展趋势[J]. 科技创新导报 2017(29)

    标签:;  ;  ;  ;  ;  

    基于运动目标检测与跟踪视频测速算法的研究
    下载Doc文档

    猜你喜欢