基于視頻圖像的黑煙車檢測(cè)技術(shù)對(duì)于環(huán)境保護(hù)具有非常重要的意義,在智能交通、城市環(huán)保等方面均有廣闊的應(yīng)用背景。黑煙車智能檢測(cè)系統(tǒng)能夠長(zhǎng)時(shí)間工作并保持檢測(cè)結(jié)果一定的正確性,同其他黑煙車監(jiān)管模式相比減少了人力物力的投入,適合城市道路的大范圍布控。本文基于交通卡口采集的監(jiān)控視頻,對(duì)車輛檢測(cè)與跟蹤、車輛陰影消除、黑煙車分類器設(shè)計(jì)等內(nèi)容進(jìn)行了研究,主要包括以下幾個(gè)方面:（1）車輛檢測(cè)與跟蹤算法研究。針對(duì)ViBe算法只利用圖像的灰度信息以及前景檢測(cè)圖中存在Ghost區(qū)域等不足,設(shè)計(jì)了一種改進(jìn)的ViBe目標(biāo)檢測(cè)方法,再利用形態(tài)學(xué)操作優(yōu)化車輛檢測(cè)效果,并通過(guò)輪廓提取方法來(lái)提取車輛區(qū)域。最后針對(duì)本文應(yīng)用場(chǎng)景,設(shè)計(jì)了一種快速車輛跟蹤方法。（2）車輛陰影消除算法研究。針對(duì)車輛檢測(cè)算法不能抑制車輛陰影的缺陷,同時(shí)陰影區(qū)域的存在會(huì)影響車輛的特征,從而影響后續(xù)的黑煙車判定,設(shè)計(jì)了一種結(jié)合RGB顏色信息和均勻模式LBP紋理信息的陰影檢測(cè)方法,并利用本文設(shè)計(jì)的陰影消除規(guī)則來(lái)對(duì)檢測(cè)出的陰影區(qū)域進(jìn)行消除。（3）黑煙車分類方法研究。通過(guò)對(duì)LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)的分析,設(shè)計(jì)了一種改進(jìn)的LeNet-5網(wǎng)絡(luò),主要通過(guò)引入Incept... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景意義及目的
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容及組織結(jié)構(gòu)
第二章 車輛檢測(cè)與跟蹤算法研究
    2.1 概述
    2.2 ViBe目標(biāo)檢測(cè)算法分析
        2.2.1 ViBe目標(biāo)檢測(cè)算法
        2.2.2 ViBe目標(biāo)檢測(cè)算法存在問(wèn)題分析
    2.3 ViBe目標(biāo)檢測(cè)算法的改進(jìn)
        2.3.1 填補(bǔ)車身空洞
        2.3.2 去除Ghost區(qū)域
        2.3.3 實(shí)驗(yàn)結(jié)果與分析
    2.4 車輛區(qū)域提取
        2.4.1 形態(tài)學(xué)優(yōu)化
        2.4.2 車輛輪廓提取
    2.5 車輛跟蹤算法
        2.5.1 本文車輛跟蹤算法
        2.5.2 實(shí)驗(yàn)結(jié)果與分析
    2.6 本章小結(jié)
第三章 車輛陰影消除算法研究
    3.1 概述
    3.2 基于顏色特性的陰影檢測(cè)算法分析
        3.2.1 基于RGB顏色空間的陰影檢測(cè)算法
        3.2.2 基于HSV顏色空間的陰影檢測(cè)算法
    3.3 基于紋理特性的陰影檢測(cè)算法分析
        3.3.1 基于邊緣特征的陰影檢測(cè)算法
        3.3.2 基于LBP特征的陰影檢測(cè)算法
    3.4 本文的陰影消除算法
        3.4.1 基于顏色特性的陰影初篩選
        3.4.2 基于紋理特性的陰影確定
        3.4.3 本文陰影消除規(guī)則
    3.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的黑煙車分類方法研究
    4.1 概述
    4.2 LeNet-5 卷積神經(jīng)網(wǎng)絡(luò)分析
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)介紹
        4.2.2 在黑煙車分類中的應(yīng)用分析
    4.3 基于改進(jìn)LeNet-5 卷積神經(jīng)網(wǎng)絡(luò)的黑煙車分類方法
        4.3.1 LeNet-5 卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)
        4.3.2 改進(jìn)的LeNet-5 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.3.3 樣本集構(gòu)建及網(wǎng)絡(luò)訓(xùn)練方法
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 軟件設(shè)計(jì)與實(shí)現(xiàn)
    5.1 軟件開(kāi)發(fā)環(huán)境
    5.2 軟件功能與架構(gòu)
    5.3 主要模塊設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 目標(biāo)檢測(cè)模塊
        5.3.2 陰影消除模塊
        5.3.3 車輛檢測(cè)與跟蹤模塊
        5.3.4 黑煙車檢測(cè)模塊
    5.4 軟件測(cè)試
        5.4.1 軟件功能測(cè)試
        5.4.2 軟件性能測(cè)試
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合單高斯與光流法的無(wú)人機(jī)運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 范長(zhǎng)軍,文凌艷,毛泉涌,祝中科.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[2]基于多尺度邊緣融合及SURF特征匹配的車輛檢測(cè)及跟蹤方法[J]. 穆柯楠,王會(huì)峰,楊瀾,景首才.  交通信息與安全. 2018(06)
[3]改進(jìn)的LeNet-5模型在蘋果圖像識(shí)別中的應(yīng)用[J]. 張力超,馬蓉,張垚鑫.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(11)
[4]基于深度學(xué)習(xí)的煙霧識(shí)別研究[J]. 王濤,宮寧生,蔣貴祥.  電子技術(shù)應(yīng)用. 2018(10)
[5]基于光流法與RPCA的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 于雯越,安博文,趙明.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(23)
[6]基于多維動(dòng)態(tài)紋理分析的煙霧檢測(cè)算法[J]. 李鴻燕,郭人輔,張靜.  太原理工大學(xué)學(xué)報(bào). 2018(04)
[7]Faster R-CNN模型在車輛檢測(cè)中的應(yīng)用[J]. 王林,張鶴鶴.  計(jì)算機(jī)應(yīng)用. 2018(03)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別[J]. 董峻妃,鄭伯川,楊澤靜.  計(jì)算機(jī)應(yīng)用. 2017(07)
[9]融合顏色和梯度直方圖反投影的運(yùn)動(dòng)陰影檢測(cè)[J]. 王華,李艾華,崔智高,沈杜娟.  電光與控制. 2017(04)
[10]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)

碩士論文
[1]基于視頻煙霧運(yùn)動(dòng)檢測(cè)的火災(zāi)探測(cè)方法研究[D]. 簡(jiǎn)文林.南昌航空大學(xué) 2018



本文編號(hào)：3049746