面對日益增長的車輛數(shù)量,人們的出行不便,財產(chǎn)和人身安全受到威脅。智能交通系統(tǒng)能在一定程度上解決這種問題,提升人們的生活品質(zhì),因此受到了廣泛的研究關(guān)注。視頻中車輛檢測算法,擁有成本低、運算快、準(zhǔn)確度高等優(yōu)點,是智能交通系統(tǒng)的技術(shù)核心,與其它檢測手段（如激光雷達,傳感器檢測）配合完成任務(wù)。研究車輛檢測算法具有重要意義。視頻中車輛檢測容易受到光照變化、樹木的陰影、以及其它車輛等外部環(huán)境的干擾。針對以上問題,本文提出了改進像素自適應(yīng)分割算法,并用于感興趣區(qū)域的確認(rèn)。改進的像素自適應(yīng)分割算法通過減小決策閾值、減小學(xué)習(xí)率和融合梯度區(qū)域信息來減少算法的計算復(fù)雜度。提出前景累積計數(shù)規(guī)律和重影消除的策略,綜合提升了現(xiàn)有像素自適應(yīng)分割算法的性能。針對單一Haar-like特征檢測率低,光照魯棒性差的問題。提出Haar-like和HOG的融合特征,并使用Adaboost+SVM分類器進行分類,減少了分類器層數(shù)和檢測時所需的特征數(shù)。針對基本的Haar-like特征和HOG特征檢測率低,運算復(fù)雜度高的問題,提出基于聚類的Haar-like特征算子的車輛檢測方法和基于稀疏性的HOG特征算子的車輛檢測方法。通過對不... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

車輛檢測步驟假設(shè)生成方法是為了找到圖片中車輛可能的位置，目前已有的假設(shè)生成的方法可

圖 2-1 兩幀差分法原理圖 2-1，表示相鄰的兩幀的輸入圖片，首先把兩者進行相減，得到差分的結(jié)果。所得出的結(jié)果與預(yù)設(shè)的閾值 T 的大小關(guān)系，得到一個二值圖像。運動的前景過不斷地連續(xù)變化所判斷出來的，我們所得到的差分結(jié)果和二值圖像，用以來表示：1( , ) | ( , ) ( , ) |n n nDx y I x y I x y (21 ( , )( , )0 ( , )nnnD x y Tf x yD x y T (2式(2–1)中，第n 幀和第 n 1幀圖像中一個像素點的像素值用nI 和n1I 表示, ) y 表示的是差分結(jié)果。公式(2-2)中， ( , )nf x y 表示的是前景的二種結(jié)果，T 為好的閾值，通過判斷 ( , )nf x y 的值，確定該像素點為前景還是背景。當(dāng) ( ,nf x 1 的時候，判斷該像素點為前景，當(dāng) ( , )nf x y 等于 0 的時候，判斷該像素點為

西南交通大學(xué)碩士研究生學(xué)位論文第8頁兩次差分，最后做與運算，最終的差分結(jié)果用公式表示。幀差法的優(yōu)點有，原理相單，計算量小，實時性好等特點，對于靜態(tài)的背景場景，檢測效果十分優(yōu)秀。它的點為，當(dāng)實際場景比較復(fù)雜，背景變化比較大的時候，幀差法的檢測效果明顯降。


本文編號：2957883