本文選題：前景檢測 + 光流檢測��； 參考：《電子科技大學(xué)》2015年碩士論文

【摘要】：交通環(huán)境下的車輛檢測與跟蹤是智能交通系統(tǒng)中的兩個重要的組成部分,它們是實(shí)現(xiàn)智能交通系統(tǒng)的關(guān)鍵所在,車輛檢測與跟蹤的好壞決定了整個智能交通系統(tǒng)的好壞。傳統(tǒng)的車輛檢測一般存在檢測速度不夠快和檢測結(jié)果不夠準(zhǔn)確等問題,而車輛的跟蹤卻很難平衡它的實(shí)時性與準(zhǔn)確性。針對以上的問題,本文對交通環(huán)境下的車輛檢測與跟蹤做了各個方面的優(yōu)化與調(diào)整,最終得到了一個檢測結(jié)果好,跟蹤魯棒性強(qiáng)的車輛檢測與跟蹤系統(tǒng),并能夠在一般情況下實(shí)時處理的系統(tǒng)。本文主要從以下幾個方面來優(yōu)化交通環(huán)境下的車輛檢測與跟蹤系統(tǒng)。1、本文在車輛檢測方面采用了基于haar特征的adaboost檢測分類器,在分類器的訓(xùn)練方面選取了特定的haar特征進(jìn)行訓(xùn)練。為了提高整個系統(tǒng)的運(yùn)行時間和檢測準(zhǔn)確性,本文首先對視頻中圖像序列進(jìn)行了運(yùn)動目標(biāo)建模,提取出運(yùn)動團(tuán)塊,并只對運(yùn)動團(tuán)塊所在區(qū)域進(jìn)行檢測,從而檢測出運(yùn)動車輛。其次,本文把視頻中的車輛分為八個運(yùn)動方向,分別對每一個方向進(jìn)行訓(xùn)練,從而得到八個方向的檢測分類器,在選擇檢測分類器時根據(jù)運(yùn)動團(tuán)塊的光流方向來選擇對應(yīng)的分類器。2、本文在車輛跟蹤方面,采用了基于檢測的粒子濾波跟蹤,并針對粒子濾波跟蹤中存在的問題采用以下幾個方面來進(jìn)行了改進(jìn)。首先采用了數(shù)學(xué)中的線性擬合來處理目標(biāo)遮擋問題;其次充分利用檢測結(jié)果來處理跟蹤目標(biāo)跟蹤不準(zhǔn)確問題;最后運(yùn)用了多線程來提升整個跟蹤系統(tǒng)的跟蹤速度。對于整個的車輛檢測與跟蹤系統(tǒng),本文從理論分析到實(shí)踐操作,最后形成了一個車輛檢測與跟蹤系統(tǒng)。并通過實(shí)驗(yàn)測試了整個系統(tǒng)的各個模塊的性能。對于整個智能交通系統(tǒng)做出了自己的貢獻(xiàn)。
[Abstract]:Vehicle detection and tracking under traffic environment are two important parts of intelligent transportation system. They are the key to realize the intelligent traffic system. The quality of the whole intelligent traffic system is determined by the quality of the vehicle detection and tracking. The traditional vehicle detection generally exists the lack of fast detection speed and the inaccuracy of the detection results. It is difficult to balance the real time and accuracy of vehicle tracking. In view of the above problems, this paper optimizes and adjusts the vehicle detection and tracking under the traffic environment, and finally obtains a good detection and tracking system with robust detection results and strong robustness, and can be used in real time in real time. This paper mainly optimizes the vehicle detection and tracking system.1 under the traffic environment from the following aspects. In this paper, the AdaBoost classifier based on the Haar feature is used in the vehicle detection, and the specific Haar features are selected for training in the training of the classifier. In this paper, we first model the motion target of the image sequence in the video, extract the movement block, and detect only the area where the movement is located, and then detect the moving vehicle. Secondly, this paper divides the vehicles in the video into eight directions, and then trains each direction to get eight directions. In the selection of classifier, the corresponding classifier.2 is selected according to the direction of the optical flow of the movement mass. In this paper, the particle filter tracking based on detection is adopted in the vehicle tracking, and the following aspects are used to improve the problems in the particle filter tracking. First, the linear simulation in mathematics is adopted. In order to deal with the problem of target occlusion, then the detection results are used to deal with the inaccuracy of tracking target tracking. Finally, multithreading is used to improve the tracking speed of the whole tracking system. For the whole vehicle detection and tracking system, a vehicle detection and tracking system is formed in this paper from theoretical analysis to practice. The performance of each module of the whole system is tested through experiments, and has made its own contribution to the whole intelligent transportation system.

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP391.41

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蒲東兵;馬志強(qiáng);龐長明;孫英娟;于哲舟;;基于DSP的掌紋識別門禁系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];安防科技;2008年02期

2 黃加翼;喬梁;;高能X射線包裹圖像邊沿特征識別方法[J];安防科技;2011年03期

3 葉慶;趙明輝;李菲;李彬;范彬;;復(fù)雜環(huán)境下的夜間車道檢測研究[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

4 汪建;杜世平;王開明;;茶葉的計(jì)算機(jī)識別應(yīng)用研究[J];安徽農(nóng)業(yè)科學(xué);2006年10期

5 石偉;胡濤;;奇異值分解在儲糧害蟲圖像復(fù)原中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年05期

6 劉婷婷;;基于支持向量機(jī)的水稻紋枯病識別研究[J];安徽農(nóng)業(yè)科學(xué);2011年28期

7 任曉東;劉美琴;白慧慧;;基于GMM的黃瓜病害圖像建模[J];安徽農(nóng)業(yè)科學(xué);2011年34期

8 姜紅軍;董杰;平子良;;基于形態(tài)學(xué)梯度的細(xì)胞圖像自動分割[J];安徽農(nóng)業(yè)科學(xué);2012年01期

9 劉剛;王立香;柳兆軍;;基于計(jì)算機(jī)視覺的蘋果質(zhì)量檢測[J];安徽農(nóng)業(yè)科學(xué);2012年08期

10 戴之祥;邵陸壽;丁克堅(jiān);韋韞;葛婧;;利用G/R分量比值圖分割水稻植株圖像[J];安徽農(nóng)業(yè)大學(xué)學(xué)報(bào);2006年02期

相關(guān)會議論文 前10條

1 李晉武;張娟;鄒麗暉;;含運(yùn)動物體的運(yùn)動場景模糊圖像恢復(fù)方法[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

2 李蓮;閆志洋;;破損膠囊檢測的圖像處理分析與研究[A];中國儀器儀表學(xué)會第十三屆青年學(xué)術(shù)會議論文集[C];2011年

3 徐剛;陳立平;張瑞瑞;;果園傳感器網(wǎng)絡(luò)數(shù)據(jù)濾波算法研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

4 葉樂軍;王強(qiáng);;基于自適應(yīng)邊緣檢測的大空間火災(zāi)目標(biāo)監(jiān)測技術(shù)[A];中國職業(yè)安全健康協(xié)會2007年學(xué)術(shù)年會論文集[C];2007年

5 王巍;李琦;王騏;;基于Radon變換的激光雷達(dá)距離像方位估計(jì)[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

6 劉剛;姚力;張家才;;一種改進(jìn)的去除脈沖噪聲的方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

7 王克剛;耿國華;;基于小波平滑直方圖的模糊聚類圖像分割方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

8 趙振磊;耿則勛;王蘭;閆兆嬋;;基于自適應(yīng)遞歸LPA-ICI的圖像去噪算法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

9 楊瑩輝;王喚良;陳強(qiáng);;基于VB、VC與OpenGL的三維地面模型建模[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

10 陸世東;;維納濾波圖像復(fù)原算法研究[A];中國測繪學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 許志遠(yuǎn);霧天降質(zhì)圖像增強(qiáng)方法研究及DSP實(shí)現(xiàn)[D];大連海事大學(xué);2010年

2 奉小慧;音頻噪聲環(huán)境下唇動信息在語音識別中的應(yīng)用技術(shù)研究[D];華南理工大學(xué);2010年

3 李南希;非特定人的自然書寫脫機(jī)中文文本行識別[D];華南理工大學(xué);2010年

4 王曉松;復(fù)雜背景下樹木圖像提取研究[D];北京林業(yè)大學(xué);2010年

5 康鋒;基于視覺特征的早期農(nóng)林火災(zāi)檢測方法的基礎(chǔ)研究[D];浙江大學(xué);2010年

6 徐英;基于光子混頻的連續(xù)太赫茲輻射產(chǎn)生及應(yīng)用研究[D];浙江大學(xué);2011年

7 謝莉青;基于圖像處理分析的機(jī)織物構(gòu)成要素的綜合識別方法與裝置[D];東華大學(xué);2010年

8 馬增強(qiáng);運(yùn)動車輛視頻檢測與分割方法研究[D];北京交通大學(xué);2011年

9 劉懷廣;浮法玻璃缺陷在線識別算法的研究及系統(tǒng)實(shí)現(xiàn)[D];華中科技大學(xué);2011年

10 徐紅梅;民族服飾文化傳承中的圖像記錄研究[D];西南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 何慧娟;基于多傳感器的移動機(jī)器人障礙物檢測與定位研究[D];安徽工程大學(xué);2010年

2 田繼輝;用于三維影像快速瀏覽的多尺度DEM數(shù)據(jù)組織研究[D];河南理工大學(xué);2010年

3 李瑞波;圖像陰影的檢測與去除算法研究[D];山東科技大學(xué);2010年

4 馬莉;車牌識別系統(tǒng)中的車牌定位和分割算法研究和實(shí)現(xiàn)[D];山東科技大學(xué);2010年

5 徐強(qiáng);基于TMS320F2812的指紋識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];山東科技大學(xué);2010年

6 張楊;基于雙目立體視覺的CCD測距系統(tǒng)設(shè)計(jì)[D];長春理工大學(xué);2010年

7 李華北;基于數(shù)字圖像技術(shù)在土木結(jié)構(gòu)物損傷裂縫檢查應(yīng)用的研究[D];鄭州大學(xué);2010年

8 宋偉中;基于H.264的視頻監(jiān)控系統(tǒng)的D S P實(shí)現(xiàn)[D];鄭州大學(xué);2010年

9 韓亞麗;圖像精密測量算法研究[D];鄭州大學(xué);2010年

10 孫宏偉;基于鏈碼的視覺軌線跟蹤[D];哈爾濱工程大學(xué);2010年

，

本文編號：1829148