隨著城市社會(huì)的發(fā)展,機(jī)動(dòng)車數(shù)量日趨增加,城市道路堵塞情況日益嚴(yán)重,智能交通系統(tǒng)的應(yīng)用日益受到大家的廣泛關(guān)注,車輛的檢測與跟蹤是其重要的組成部分。在實(shí)際應(yīng)用中,車輛檢測算法需要實(shí)時(shí)檢測圖像或者視頻序列幀中出現(xiàn)的車輛,獲得目標(biāo)參數(shù),并將檢測的車輛信息傳遞給車輛跟蹤算法,由它對(duì)車輛進(jìn)行跟蹤,從而確定車輛的位置,有效地對(duì)車輛進(jìn)行實(shí)時(shí)跟蹤。本論文對(duì)傳統(tǒng)的車輛檢測算法進(jìn)行分析,針對(duì)其不足之處,利用深度學(xué)習(xí)技術(shù)設(shè)計(jì)了一種基于多尺度特征圖預(yù)測SSD的車輛檢測器;將檢測的結(jié)果與融合Kalman濾波算法的改進(jìn)Camshift跟蹤算法相結(jié)合,實(shí)現(xiàn)車輛的自動(dòng)跟蹤。論文的具體工作可總結(jié)如下:1.對(duì)幀間差分法、改進(jìn)的高斯混合模型（MOG2）和ViBe算法之間的優(yōu)缺點(diǎn)進(jìn)行分析和討論,對(duì)比實(shí)驗(yàn)表明,選擇ViBe算法作為運(yùn)動(dòng)車輛檢測算法效果最優(yōu)。并針對(duì)傳統(tǒng)的ViBe算法中固定閾值和“鬼影”干擾問題,采用OTSU類間方差法克服來固定值問題,對(duì)于“鬼影”干擾則加入幀間差分法進(jìn)行改進(jìn);對(duì)比實(shí)驗(yàn)表明,基于幀間差分法的改進(jìn)ViBe算法不僅克服了固定值問題而且能夠快速地消除“鬼影”對(duì)檢測結(jié)果的影響,具有良好的檢測效果。2.針對(duì)傳統(tǒng)... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

平均值法

(a) 原彩色圖像 （b）灰度圖像圖 3-2 加權(quán)平均法以上四種方法是圖像灰度化處理比較常用的方法，圖像灰度處理一般采用加權(quán)平均法。本文還采用加權(quán)平均法對(duì)圖像進(jìn)行灰度化處理。3.1.3 圖像噪聲圖像噪聲是圖像處理中不可缺少的一個(gè)環(huán)節(jié)，它可以改善受噪聲影響的圖像質(zhì)量，便于進(jìn)一步的處理。介紹兩種常見的重要噪聲，高斯噪聲和鹽和胡椒噪聲（脈沖噪聲）。下圖分別顯示：

圖 3-3 加入高斯噪聲的圖像 圖 3-4 含有椒鹽噪聲圖像3.1.4 圖像濾波圖像濾波消除圖像噪聲的影響。均值濾波又稱線性濾波，其主要方法是鄰域平均。（a） 加入高斯噪聲的圖像 (b) 均值濾波（加入高斯噪聲）圖像

【參考文獻(xiàn)】：
期刊論文
[1]背景幀間差分法的移動(dòng)目標(biāo)跟蹤研究[J]. 黃金海.  中國儀器儀表. 2019(01)
[2]基于SSD的道路前方車輛檢測[J]. 徐樂,劉翔,張華.  軟件導(dǎo)刊. 2019(05)
[3]基于改進(jìn)SSD的實(shí)時(shí)檢測方法[J]. 陳立里,張正道,彭力.  激光與光電子學(xué)進(jìn)展. 2019(01)
[4]基于HOG特征和SVM的日常運(yùn)動(dòng)行為識(shí)別[J]. 張凱兵,趙珮含.  湖北工程學(xué)院學(xué)報(bào). 2018(06)
[5]基于Faster R-CNN深度網(wǎng)絡(luò)的遙感影像目標(biāo)識(shí)別方法研究[J]. 王金傳,譚喜成,王召海,鐘燕飛,董華萍,周松濤,成布怡.  地球信息科學(xué)學(xué)報(bào). 2018(10)
[6]基于改進(jìn)多尺度特征圖的目標(biāo)快速檢測與識(shí)別算法[J]. 單倩文,鄭新波,何小海,滕奇志,吳曉紅.  激光與光電子學(xué)進(jìn)展. 2019(02)
[7]A Survey of Scene Understanding by Event Reasoning in Autonomous Driving[J]. Jian-Ru Xue,Jian-Wu Fang,Pu Zhang.  International Journal of Automation and Computing. 2018(03)
[8]一種改進(jìn)的基于ViBe的運(yùn)動(dòng)目標(biāo)檢測方法[J]. 歐陽梓標(biāo),牛燕雄,謝朋言.  半導(dǎo)體光電. 2018(02)
[9]基于TensorFlow深度學(xué)習(xí)框架的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 袁文翠,孔雪.  微型電腦應(yīng)用. 2018(02)
[10]基于Otsu準(zhǔn)則和性質(zhì)的降維閾值分割法[J]. 左攀攀,王志文,陳敬秒.  電子設(shè)計(jì)工程. 2017(03)

博士論文
[1]面向圖像語義分割的新型卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[D]. Robail Yasrab.中國科學(xué)技術(shù)大學(xué) 2017
[2]車載視頻圖像處理算法的優(yōu)化與融合研究[D]. 陳炳權(quán).湖南大學(xué) 2014

碩士論文
[1]基于光流法的運(yùn)動(dòng)目標(biāo)檢測和跟蹤算法研究[D]. 劉潔.中國礦業(yè)大學(xué) 2015



本文編號(hào)：3042323