【摘要】：隨著我國經(jīng)濟(jì)的快速發(fā)展,公共交通也得到了快速發(fā)展,大大方便了人們的出行,但是隨著汽車保有量持續(xù)上升,社會車輛占用公交車道的現(xiàn)象越來越頻繁,嚴(yán)重影響了正常的交通秩序。傳統(tǒng)的定點(diǎn)監(jiān)控和人工監(jiān)控的方法越來越難以應(yīng)對日益嚴(yán)重的公交車道違章現(xiàn)象。作為一種新的智能監(jiān)控技術(shù),占用公交車道違章檢測系統(tǒng)通過架設(shè)在公交車上的監(jiān)控?cái)z像頭獲取公交車前方的路況,能夠自動識別場景中的公交車道,并檢測出公交車道內(nèi)的違章車輛,并進(jìn)行報(bào)警,相對于傳統(tǒng)的檢測方式,該系統(tǒng)有效降低了人工的干預(yù),提高了檢測效率。本文詳細(xì)介紹了基于車載視頻的占用公交車道違章檢測算法的組成和實(shí)現(xiàn),在車道檢測和識別模塊中,我們使用了改進(jìn)的Hough變換算法,檢測出左右行車道,然后利用普通車道(白色)與公交車道(黃色)在顏色上的不同,訓(xùn)練出SVM分類器,然后對車道進(jìn)行判斷分類,并通過狀態(tài)機(jī)的方法保持車道檢測的穩(wěn)定性。在車牌檢測與判別模塊中,首先使用基于Haar特征的Adaboost級聯(lián)分類器對檢測區(qū)域中的車牌目標(biāo)進(jìn)行檢測,對于可能出現(xiàn)的誤檢情況,又分析了車牌的邊緣和顏色特征,提出了Sobel邊緣特征驗(yàn)證和RGB特征驗(yàn)證的雙重驗(yàn)證方法對車牌進(jìn)行驗(yàn)證,當(dāng)確定目標(biāo)是車牌后,我們通過將車牌圖像轉(zhuǎn)換到HSV顏色空間,提取出車牌區(qū)域的H特征,利用藍(lán)色像素比例和SVM分類器對車牌顏色進(jìn)行分類,判斷車牌是否屬于普通車牌,并對檢測結(jié)果使用了LK光流法進(jìn)行了跟蹤。然后判斷車牌是否在公交車道內(nèi),從而檢測出違章車牌�；谲囕d視頻的占用公交車道違章檢測系統(tǒng)有效減少了人為因素的干預(yù),同時(shí)該系統(tǒng)保證了違章的檢測效率和準(zhǔn)確率。
[Abstract]:With the rapid development of economy in our country, public transportation has also been developed rapidly, which greatly facilitates the travel of people. However, with the continuous increase in the number of cars, the phenomenon of social vehicles occupying bus lanes is becoming more and more frequent. Seriously affected the normal traffic order. The traditional methods of fixed-point monitoring and manual monitoring are becoming more and more difficult to deal with the increasingly serious phenomenon of bus lane violations. As a new intelligent monitoring technology, occupying the bus lane violation detection system can automatically identify the bus lane in the scene by using the surveillance camera installed on the bus to obtain the road condition in front of the bus. The system can effectively reduce the manual intervention and improve the detection efficiency compared with the traditional detection method. This paper introduces in detail the composition and implementation of the algorithm of detecting the violation of the bus lane based on the vehicle video. In the module of lane detection and recognition, we use the improved Hough transform algorithm to detect the left and right carriageways. Then the SVM classifier is trained by using the color difference between the ordinary lane (white) and the bus lane (yellow), and then the lane is judged and classified, and the stability of lane detection is maintained by the state machine method. In the module of license plate detection and discrimination, the Adaboost concatenated classifier based on Haar feature is used to detect the license plate target in the detection area, and the edge and color features of the license plate are analyzed for the possible false detection. A double verification method of Sobel edge feature verification and RGB feature verification is proposed to validate the license plate. When the target is the license plate, we extract the H feature of the license plate region by converting the license plate image to the HSV color space. The blue pixel ratio and SVM classifier are used to classify the color of the license plate to determine whether the license plate belongs to the ordinary license plate or not. The detection results are tracked by the LK optical flow method. Then determine whether the license plate is in the bus lane, so as to detect illegal license plate. The system based on vehicle video can effectively reduce the interference of human factors and ensure the detection efficiency and accuracy.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳剛,戚飛虎;多分類器結(jié)合的人臉識別[J];上海交通大學(xué)學(xué)報(bào);2001年02期

2 韓宏,楊靜宇,婁震;基于層次的分類器組合[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年01期

3 趙誼虹,程國華,史習(xí)智;多分類器融合中一種新的加權(quán)算法[J];上海交通大學(xué)學(xué)報(bào);2002年06期

4 王衛(wèi)東;鄭宇杰;楊靜宇;;智能分類器方法[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

5 鐘將;馮永;李志國;葉春曉;;基于自適應(yīng)免疫分類器的入侵檢測[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年07期

6 葉云龍;楊明;;基于隨機(jī)子空間的多分類器集成[J];南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版);2008年04期

7 趙洋;冀俊忠;李文斌;;基于復(fù)雜網(wǎng)絡(luò)的分類器融合[J];科學(xué)技術(shù)與工程;2008年14期

8 夏俊;劉金梅;;不同分類器在遙感數(shù)據(jù)分類中的性能比較[J];價(jià)值工程;2013年04期

9 ;邏輯設(shè)計(jì)講座——第八講 標(biāo)志信號和標(biāo)志分類器[J];貴州機(jī)械;1979年04期

10 N.B.Venkateswarlu ,P.S.V.S.K.Raju ,艾東;一種新的遙感影象快速分類器[J];干旱區(qū)地理;1993年04期

相關(guān)會議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗(yàn)證對象集分類器的再訓(xùn)練演進(jìn)[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機(jī)手寫識別筆段特征分類器的學(xué)習(xí)方法[A];黑龍江省計(jì)算機(jī)學(xué)會2009年學(xué)術(shù)交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認(rèn)證[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關(guān)”的說話人辨認(rèn)[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認(rèn)知結(jié)構(gòu)評估的動態(tài)貝葉斯網(wǎng)絡(luò)分類器方法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進(jìn)的最少核分類器[A];中國運(yùn)籌學(xué)會第七屆學(xué)術(shù)交流會論文集（上卷）[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報(bào);2000年

相關(guān)博士學(xué)位論文 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學(xué);2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學(xué);2014年

3 許勁松;智能交通中目標(biāo)檢測與分類關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2014年

4 余家林;普通場景視頻人臉檢測與識別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2016年

5 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學(xué);2015年

6 任亞峰;基于標(biāo)注和未標(biāo)注數(shù)椐的虛假評論識別研究[D];武漢大學(xué);2015年

7 曹鵬;不均衡數(shù)據(jù)分類方法的研究[D];東北大學(xué);2014年

8 劉明;分類器組合技術(shù)研究及其在人機(jī)交互系統(tǒng)中的應(yīng)用[D];北京交通大學(xué);2008年

9 嚴(yán)志永;在劃分?jǐn)?shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學(xué);2011年

10 王U，

本文編號：2305582