本文關(guān)鍵詞：基于3D空間多部件模型的車(chē)輛檢測(cè)方法研究　出處：《長(zhǎng)安大學(xué)》2015年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 車(chē)輛檢測(cè) 相機(jī)標(biāo)定 三維特征 部件檢測(cè) 高斯混合模型

【摘要】：車(chē)輛檢測(cè)是智能交通系統(tǒng)研究的一個(gè)重要領(lǐng)域。目前有多種車(chē)輛檢測(cè)算法,如基于特征算子的方法、分類(lèi)器法、3D建模法等,雖然取得了一定的效果,但是仍存在很多問(wèn)題,如對(duì)環(huán)境變化的敏感、受目標(biāo)遮擋和融合的影響等。本文考慮到三維空間中車(chē)輛特征,使用基于3D空間多部件模型的方法完成車(chē)輛檢測(cè)。首先根據(jù)二維圖像和三維空間的映射關(guān)系,提出在空間中虛擬一個(gè)逆投影面,然后利用空間到圖像的逆透視投影恢復(fù)出該逆投影面上的信息,恢復(fù)的圖稱(chēng)為逆投影圖,逆投影圖中目標(biāo)的幾何形狀及尺寸特征都得到恢復(fù)。對(duì)車(chē)輛而言,根據(jù)夜晚和白天光照條件的不同,夜晚選取車(chē)頭燈對(duì)作為車(chē)輛的固有部件,白天則選取車(chē)牌和尾燈對(duì)作為車(chē)輛的固有部件。接下來(lái)則使用不同的圖像處理算法檢測(cè)夜晚車(chē)頭燈和白天車(chē)牌及尾燈,前者利用幾何特征完成,后者利用顏色特征完成。部件空間關(guān)系概率模型符合高斯混合模型特征,從大量車(chē)輛樣本中提取部件空間關(guān)系特征,用期望最大化算法完成模型的建立。最后,計(jì)算逆投影圖中檢測(cè)到的多個(gè)候選部件的概率似然度,大于預(yù)定閾值的則這些部件屬于同一輛車(chē)。最終,多部件的檢測(cè)結(jié)果就是車(chē)輛的檢測(cè)結(jié)果。本文用多個(gè)交通場(chǎng)景視頻對(duì)文中算法做了測(cè)試,采用的視頻幀頻為25幀/秒,大小為720*288。實(shí)驗(yàn)表明,該種方法適應(yīng)性強(qiáng),能應(yīng)對(duì)光照條件差以及部分部件受遮擋的情況,還能避免相鄰車(chē)輛的合并檢測(cè)問(wèn)題,并且對(duì)多種不同型號(hào)的車(chē)輛目標(biāo)檢測(cè)具有適用性。
[Abstract]:Vehicle detection is an important field in the research of intelligent transportation system. There are many vehicle detection algorithms, such as feature operator based method, classifier method and 3D modeling method, although some results have been achieved. However, there are still many problems, such as the sensitivity to environmental change, the influence of target occlusion and fusion, etc. In this paper, the characteristics of vehicles in three-dimensional space are considered. The method based on 3D space multi-component model is used to complete vehicle detection. Firstly, according to the mapping relationship between two-dimensional image and three-dimensional space, a virtual inverse projection plane is proposed in the space. Then the information on the inverse projection plane is restored by the inverse perspective projection from the space to the image. The restored graph is called the inverse projection map. The geometric shape and size characteristics of the object in the inverse projection map are restored. According to the different illumination conditions between night and day, the headlight pair is chosen as the inherent part of the vehicle at night. During the day, license plate and taillight pair are selected as the inherent parts of the vehicle. Then different image processing algorithms are used to detect the headlights at night and the license plates and taillights during the day. The former uses geometric features to complete the detection. The latter uses color features to complete. The probability model of component spatial relationship accords with Gao Si mixed model feature. The feature of component spatial relationship is extracted from a large number of vehicle samples and the model is built with expectation maximization algorithm. Finally. The probability likelihood degree of a plurality of candidate components detected in the reverse projection diagram is calculated, and if the probability likelihood degree is greater than the predetermined threshold value, the components belong to the same vehicle. The result of multi-component detection is the result of vehicle detection. This paper uses multiple traffic scene video to test the algorithm. The video frame frequency is 25 frames / second and the size is 720 / 288. the experiment shows that. This method has strong adaptability, can deal with the condition of poor illumination and some parts being occluded, and can avoid the problem of combined detection of adjacent vehicles, and it is applicable to the target detection of many different types of vehicles.
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文溥;;視頻車(chē)輛檢測(cè)技術(shù)及發(fā)展趨勢(shì)[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

2 劉珠妹;劉亞嵐;譚衢霖;任玉環(huán);;高分辨率衛(wèi)星影像車(chē)輛檢測(cè)研究進(jìn)展[J];遙感技術(shù)與應(yīng)用;2012年01期

3 錢(qián)志明;楊家寬;段連鑫;;基于視頻的車(chē)輛檢測(cè)與跟蹤研究進(jìn)展[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

4 湯灝;張峰;;車(chē)輛檢測(cè)技術(shù)的選用[J];中國(guó)交通信息產(chǎn)業(yè);2004年03期

5 文學(xué)志;趙宏;王楠;袁淮;;基于知識(shí)和外觀(guān)方法相結(jié)合的后方車(chē)輛檢測(cè)[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

6 劉振華;黃磊;劉昌平;;一種基于視頻圖像處理的車(chē)輛違章檢測(cè)算法[J];公路交通科技;2012年02期

7 楊阿麗;劉峽壁;魏雪;萬(wàn)玉釵;;用于交通治安卡口的全天候視頻車(chē)輛檢測(cè)方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

8 魏凱;盛建平;熊凱;;基于陰影特征的前向車(chē)輛檢測(cè)和測(cè)距方法研究[J];機(jī)械設(shè)計(jì)與制造;2013年02期

9 郭磊;李克強(qiáng);王建強(qiáng);連小珉;;一種基于特征的車(chē)輛檢測(cè)方法[J];汽車(chē)工程;2006年11期

10 李光才;;一種改進(jìn)的背景重建與更新方法[J];中國(guó)水運(yùn)(下半月);2008年05期

相關(guān)會(huì)議論文 前10條

1 錢(qián)志明;楊家寬;段連鑫;;基于視頻的車(chē)輛檢測(cè)與跟蹤研究進(jìn)展[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 聞?dòng)?潘霓;;基于磁偏角的車(chē)輛檢測(cè)的研究[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

3 楊阿麗;劉峽壁;魏雪;萬(wàn)玉釵;;用于交通治安卡口的全天候視頻車(chē)輛檢測(cè)方法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

4 楊淼;;基于卡爾曼濾波的電子警察系統(tǒng)車(chē)輛檢測(cè)算法[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

5 蔣大林;馬軍強(qiáng);;基于視頻的車(chē)輛檢測(cè)與跟蹤方法綜述[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

6 鄒月嫻;王一言;關(guān)佩;楊華;陳維榮;;復(fù)雜視頻背景中的運(yùn)動(dòng)車(chē)輛檢測(cè)技術(shù)[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

7 李舜酩;繆小冬;;視覺(jué)車(chē)輛檢測(cè)方法的研究進(jìn)展及展望[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

8 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車(chē)載行人車(chē)輛檢測(cè)系統(tǒng)[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

9 孫明;孫紅;;智能交通系統(tǒng)中車(chē)輛的圖像檢測(cè)方法研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

10 吳嶸;何培宇;徐自勵(lì);段文鋒;劉珂含;;一種去背景的車(chē)輛檢測(cè)與跟蹤快速算法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 記者 何雪峰;宿州簡(jiǎn)政放權(quán)助推縣域經(jīng)濟(jì)[N];安徽日?qǐng)?bào);2009年

2 記者 賈瑞芳;檢車(chē)進(jìn)企業(yè) 溫暖送到家[N];河北經(jīng)濟(jì)日?qǐng)?bào);2009年

3 鄭利平;湖州車(chē)輛檢測(cè)科研項(xiàng)目通過(guò)鑒定[N];中國(guó)交通報(bào);2004年

4 張廣明;運(yùn)用高新技術(shù)審驗(yàn)運(yùn)輸車(chē)輛[N];巴彥淖爾日?qǐng)?bào)(漢);2007年

5 張奇 李小潔;車(chē)輛檢測(cè)，為何招來(lái)怨聲一片[N];檢察日?qǐng)?bào);2002年

6 本報(bào)記者 侯莎莎;車(chē)輛年檢強(qiáng)制免費(fèi)換牌釘[N];北京日?qǐng)?bào);2012年

7 奚榮武　顧剛;昆山：1100萬(wàn)元加強(qiáng)卡口監(jiān)控[N];人民公安報(bào);2009年

8 見(jiàn)習(xí)記者 黃鵬飛;檢測(cè)要細(xì)之又細(xì)，事故要堅(jiān)決壓降[N];法治快報(bào);2006年

9 記者 楊耀青;車(chē)輛檢測(cè)更加公正透明[N];西安日?qǐng)?bào);2011年

10 張貴峰;車(chē)檢改革應(yīng)將交通部門(mén)納入其中[N];法制日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前7條

1 劉培勛;車(chē)輛主動(dòng)安全中關(guān)于車(chē)輛檢測(cè)與跟蹤算法的若干研究[D];吉林大學(xué);2015年

2 張偉;基于視覺(jué)的運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤[D];上海交通大學(xué);2007年

3 徐琨;交通視頻監(jiān)控中的車(chē)輛檢測(cè)與跟蹤方法研究[D];長(zhǎng)安大學(xué);2009年

4 王曾敏;小波圖像融合算法及其在視頻車(chē)輛檢測(cè)系統(tǒng)中的應(yīng)用研究[D];天津大學(xué);2009年

5 許潔瓊;基于視頻圖像處理的車(chē)輛檢測(cè)與跟蹤方法研究[D];中國(guó)海洋大學(xué);2012年

6 嚴(yán)捷豐;交通視頻監(jiān)控中的車(chē)輛檢測(cè)與分割方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

7 李衛(wèi)江;基于線(xiàn)陣CCD成像交通信息采集和檢測(cè)技術(shù)的研究[D];長(zhǎng)安大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 何志強(qiáng);基于地磁的無(wú)線(xiàn)車(chē)輛檢測(cè)系統(tǒng)研究[D];華南理工大學(xué);2015年

2 王齊;車(chē)輛檢測(cè)與樣本采集系統(tǒng)的研究與設(shè)計(jì)[D];延邊大學(xué);2015年

3 馬蓓蓓;基于HOG特征的車(chē)輛檢測(cè)技術(shù)研究[D];華南理工大學(xué);2015年

4 張雙;基于嵌入式技術(shù)的物流跟蹤及車(chē)輛檢測(cè)系統(tǒng)設(shè)計(jì)[D];昆明理工大學(xué);2015年

5 郭敏;基于高速公路大貨車(chē)違法占道監(jiān)測(cè)系統(tǒng)的車(chē)輛檢測(cè)與跟蹤研究[D];西南交通大學(xué);2015年

6 馮樂(lè);基于AMR傳感器的車(chē)輛信息采集系統(tǒng)[D];天津理工大學(xué);2015年

7 張驍;基于3D空間多部件模型的車(chē)輛檢測(cè)方法研究[D];長(zhǎng)安大學(xué);2015年

8 趙倩倩;基于目標(biāo)特征點(diǎn)跟蹤與聚類(lèi)的車(chē)輛檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2015年

9 田蘇慧敏;基于視頻圖像處理的車(chē)輛檢測(cè)與車(chē)流量統(tǒng)計(jì)平臺(tái)的設(shè)計(jì)實(shí)現(xiàn)[D];寧夏大學(xué);2015年

10 王成坤;混合交通流兩輪車(chē)輛的視頻檢測(cè)研究[D];江西理工大學(xué);2014年

，

本文編號(hào)：1411231