本文關(guān)鍵詞：基于3D空間多部件模型的車輛檢測方法研究　出處：《長安大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

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

【摘要】：車輛檢測是智能交通系統(tǒng)研究的一個(gè)重要領(lǐng)域。目前有多種車輛檢測算法,如基于特征算子的方法、分類器法、3D建模法等,雖然取得了一定的效果,但是仍存在很多問題,如對環(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輛特征,使用基于3D空間多部件模型的方法完成車輛檢測。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)。對車輛而言,根據(jù)夜晚和白天光照條件的不同,夜晚選取車頭燈對作為車輛的固有部件,白天則選取車牌和尾燈對作為車輛的固有部件。接下來則使用不同的圖像處理算法檢測夜晚車頭燈和白天車牌及尾燈,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。最終,多部件的檢測結(jié)果就是車輛的檢測結(jié)果。本文用多個(gè)交通場景視頻對文中算法做了測試,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)對光照條件差以及部分部件受遮擋的情況,還能避免相鄰車輛的合并檢測問題,并且對多種不同型號的車輛目標(biāo)檢測具有適用性。
[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】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文溥;;視頻車輛檢測技術(shù)及發(fā)展趨勢[J];中國人民公安大學(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)星影像車輛檢測研究進(jìn)展[J];遙感技術(shù)與應(yīng)用;2012年01期

3 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進(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;;車輛檢測技術(shù)的選用[J];中國交通信息產(chǎn)業(yè);2004年03期

5 文學(xué)志;趙宏;王楠;袁淮;;基于知識和外觀方法相結(jié)合的后方車輛檢測[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輛違章檢測算法[J];公路交通科技;2012年02期

7 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[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輛檢測和測距方法研究[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;;一種基于特征的車輛檢測方法[J];汽車工程;2006年11期

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

相關(guān)會(huì)議論文 前10條

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

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

3 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[A];全國第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)車輛檢測算法[A];2011年全國電子信息技術(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);;基于視頻的車輛檢測與跟蹤方法綜述[A];第六屆全國信息獲取與處理學(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)車輛檢測技術(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;;視覺車輛檢測方法的研究進(jìn)展及展望[A];2009全國虛擬儀器大會(huì)論文集（二）[C];2009年

8 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車載行人車輛檢測系統(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)中車輛的圖像檢測方法研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊[C];2005年

10 吳嶸;何培宇;徐自勵(lì);段文鋒;劉珂含;;一種去背景的車輛檢測與跟蹤快速算法[A];第十三屆全國信號處理學(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;宿州簡政放權(quán)助推縣域經(jīng)濟(jì)[N];安徽日報(bào);2009年

2 記者 賈瑞芳;檢車進(jìn)企業(yè) 溫暖送到家[N];河北經(jīng)濟(jì)日報(bào);2009年

3 鄭利平;湖州車輛檢測科研項(xiàng)目通過鑒定[N];中國交通報(bào);2004年

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

5 張奇 李小潔;車輛檢測，為何招來怨聲一片[N];檢察日報(bào);2002年

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

7 奚榮武　顧剛;昆山：1100萬元加強(qiáng)卡口監(jiān)控[N];人民公安報(bào);2009年

8 見習(xí)記者 黃鵬飛;檢測要細(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;車輛檢測更加公正透明[N];西安日報(bào);2011年

10 張貴峰;車檢改革應(yīng)將交通部門納入其中[N];法制日報(bào);2014年

相關(guān)博士學(xué)位論文 前7條

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

2 張偉;基于視覺的運(yùn)動(dòng)車輛檢測與跟蹤[D];上海交通大學(xué);2007年

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

4 王曾敏;小波圖像融合算法及其在視頻車輛檢測系統(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輛檢測與跟蹤方法研究[D];中國海洋大學(xué);2012年

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

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

相關(guān)碩士學(xué)位論文 前10條

1 何志強(qiáng);基于地磁的無線車輛檢測系統(tǒng)研究[D];華南理工大學(xué);2015年

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

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

4 張雙;基于嵌入式技術(shù)的物流跟蹤及車輛檢測系統(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違法占道監(jiān)測系統(tǒng)的車輛檢測與跟蹤研究[D];西南交通大學(xué);2015年

6 馮樂;基于AMR傳感器的車輛信息采集系統(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輛檢測方法研究[D];長安大學(xué);2015年

8 趙倩倩;基于目標(biāo)特征點(diǎn)跟蹤與聚類的車輛檢測算法研究[D];長安大學(xué);2015年

9 田蘇慧敏;基于視頻圖像處理的車輛檢測與車流量統(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;混合交通流兩輪車輛的視頻檢測研究[D];江西理工大學(xué);2014年

，

本文編號：1411231