【摘要】：隨著我國經(jīng)濟和技術的發(fā)展,道路上的車流量大大增加,對于道路上的車輛進行監(jiān)控采用傳統(tǒng)的人工方法已經(jīng)不能滿足需求。針對這一問題,本文將車型識別技術和云計算技術相結合,通過流媒體視頻傳輸?shù)姆绞綄崟r處理統(tǒng)計道路上的車型情況,并將結果發(fā)布到網(wǎng)頁上,方便相關部門和公眾獲取道路信息。實驗的結果顯示,該系統(tǒng)能夠有效實時的處理道路上的監(jiān)控視頻信息,并且車型識別的速率和準確率也滿足設計指標,整體運行情況良好。本文的主要研究內(nèi)容如下:(1)流媒體視頻傳輸技術協(xié)議及實現(xiàn)。為了實現(xiàn)將道路監(jiān)控視頻實時傳輸?shù)教幚砥脚_,本文運用了流媒體傳輸?shù)募夹g,通過DirectShow技術實現(xiàn)采集端視頻信息的采集,并且通過H.264編碼方式實現(xiàn)了視頻圖像的編碼,最后通過流媒體服務器Nginx-rtmp和流媒體傳輸協(xié)議RTMP實現(xiàn)編碼視頻信息的轉(zhuǎn)發(fā),主控平臺接收并存儲轉(zhuǎn)發(fā)的信息。(2)車輛圖像的車型識別算法。采用了多尺度融合特征的新算法來對車型進行分類,具體是在多尺度情況下,獲取圖像的Hu矩和LBP特征,通過融合這兩種特征作為融合特征來識別車型。(3)云計算Hadoop平臺的搭建。本文研究了Hadoop平臺的搭建,構建了云計算中分布式計算框架MapReduce函數(shù)的結構設計,將車型識別有效的和云計算相結合,提高了車型圖像的處理速度,滿足了對視頻圖像識別速度的設計指標。
【圖文】：

要是用于差分運算的背景幀容易受到外界天氣的影響，這些影響因素如果不考慮將去，在最后識別中就會造成提取出的車輛圖像失真，不利于后續(xù)車型識別的特征提識別。． 車輛提取特征（1）局部二值模式LBP（Local Binary Pattern，局部二值模式）是由 T. Ojala, M.Pietik inen 和 D. Harw位科研人員在 1994 年發(fā)明的一種非常有效的描述圖像紋理特征的算子，該算子在圖像的局部紋理特征上具有非常良好的旋轉(zhuǎn)不變性和灰度不變性[81]。最先發(fā)明的 LBP 算子是在3 3的一個窗口內(nèi)定義的，而中心值作為整個窗口的閾值，除中心值之外的八個像素的灰度值和閾值進行差分計算，如果差分值大于 該像素點設定為 1，差分值小于 0 則設定為 0。在這樣的窗口內(nèi)最后能形成一個八二進制數(shù)，也可以表示成為十進制的 LBP 碼，總共 256 種變換，最終這個值作為像素點的 LBP 值，能夠用來描述窗口圖像的紋理特征。具體過程如下圖 4.2 所示

哈爾濱工程大學碩士學位論文圍被固定，這樣就不能處理不同尺寸和不同頻率下的紋理特征限問題，，研究人員對原始的 LBP 算子做出了諸多的改進和優(yōu)不同于立方體形狀的圓形來做為領域，這種算子被命名為圓形形算子拓展為了旋轉(zhuǎn)不變的 LBP 算子，也就是說一組圓形 LB轉(zhuǎn)不變的，取最小值為 LBP 值[83]。下圖 4.3 為幾種 LBP 算子：
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;U495

【相似文獻】

相關期刊論文 前10條

1 王鵬;郭朋軍;郭建宇;;激光車型識別技術研究和應用[J];中國交通信息化;2019年S1期

2 李勇;張瑋;;基于多維視頻技術的車型識別系統(tǒng)[J];中國交通信息化;2017年12期

3 宋俊芳;;基于3D模型的精確車型識別[J];智能城市;2018年08期

4 湯銳;劉玉錦;;車型識別技術在打擊高速公路逃費中的應用[J];中國交通信息化;2017年10期

5 顏卓旺;;基于歷史數(shù)據(jù)的車型識別方案[J];中國交通信息化;2012年03期

6 江衛(wèi)強;;Freeman編碼及其在車型識別中的應用[J];機械工業(yè)自動化;1988年03期

7 費東煒;孫涵;;一種基于Bilinear-HashNet網(wǎng)絡的車型識別方法[J];小型微型計算機系統(tǒng);2019年08期

8 康s顂

本文編號：2654281