基于线阵CCD像机的车辆检测技术研究

论文摘要

现有的视频检测系统大多采用面阵CCD像机,然而基于面阵CCD图像的检测技术存在一些难以解决的问题:(1)视频图像中除了所关心的目标,存在大量的背景目标,而从复杂背景中提取出感兴趣的目标在图像处理中是一个很棘手的问题;(2)面阵CCD图像的帧(场)速率一般都较低,较难实现高的检测精度;(3)面阵CCD图像的数据量很大,为了保证实时性,较难采用很复杂的算法,因此其检测性能受到限制。而基于线阵CCD像机的检测技术具有如下优点:(1)线阵图像序列构成的图像中仅包含运动目标,因此在运动目标检测时避免了复杂背景的干扰;(2)线阵CCD像机的空间分辨率、像素灰度级和采样速度可以较高,可以实现较高的检测精度;(3)线阵图像数据量相对较小,便于实现复杂的图像处理和分析算法。本论文对基于线阵CCD成像检测系统的几个关键技术进行了研究,具体说来,本论文所做的主要研究工作可概括如下:(1)在研究常规图像分割算法的基础上,提出了一种适用于线阵CCD图像的目标分割算法,该算法主要是基于图像的纹理特征。首先利用小波变换提取路面的纹理特征,以此作为二值化的依据,然后为每个逻辑车道建立若干计数器,并根据二值化的结果进行车辆分割。现场实验结果证明,该算法可有效消除车灯和阴影对车辆分割的干扰,可以实现对车辆的准确分割。(2)在车辆分割的基础上,提出了标识车辆目标的投影算法,该算法利用已经建立的若干计数器确定目标的上下边界及左右边界,该算法可以准确地对目标车辆进行标识。(3)用SQL Server开发了车辆管理数据库系统,该系统主要有车辆数据库管理、车辆数据分析、系统设置、系统容错等功能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 基于视频的车辆检测技术的国内外发展状况
• 1.2.1 国外发展状况
• 1.2.2 国内发展状况
• 1.3 本文的主要工作
• 第二章 基于线阵CCD 像机交通信息采集系统
• 2.1 系统构成及工作原理
• 2.1.1 系统构成
• 2.1.2 工作原理
• 2.2 系统功能
• 2.3 基于背景估计的车辆检测算法
• 2.3.1 背景提取
• 2.3.2 车辆分割
• 2.3.3 车型匹配
• 2.3.4 车辆测速
• 第三章 图像分割
• 3.1 基于小波变换的背景提取
• 3.1.1 小波变换简介
• 3.1.2 基于小波变换的背景提取
• 3.1.3 实验结果
• 3.2 数学形态学滤波
• 3.3 灰度图像的二值化
• 3.3.1 基于路面纹理特征的二值化算法
• 3.3.2 实验结果
• 第四章 车辆目标标识
• 4.1 车辆区域定位
• 4.1.1 区域连通标记
• 4.1.2 投影法介绍
• 4.2 二值图像投影定位
• 4.3 算法流程
• 4.4 实验结果
• 第五章 车辆管理数据库系统软件设计
• 5.1 系统软件功能设计
• 5.1.1 图像采集与控制软件
• 5.1.2 图像处理与分析
• 5.1.3 车辆数据库管理软件
• 5.1.4 系统自动维护软件
• 5.2 车辆管理数据库系统软件功能介绍
• 5.2.1 系统初始化
• 5.2.2 主界面
• 5.2.3 车辆数据管理
• 5.2.4 交通流统计
• 5.2.5 车型统计
• 5.2.6 交通事件检测
• 5.2.7 系统日志
• 5.2.8 系统设置
• 结论与展望
• 1、结论
• 2、后续工作的展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢