近年來(lái),隨著城市現(xiàn)代化進(jìn)程的推進(jìn),私家車數(shù)量逐年快速增長(zhǎng),城市停車位嚴(yán)重不足。如何提高路側(cè)停車管理系統(tǒng)的智能化程度,有效管理及充分利用路側(cè)停車位資源來(lái)應(yīng)對(duì)停車需求,成為當(dāng)前迫切需要解決的問(wèn)題。針對(duì)于此,本文設(shè)計(jì)基于視頻的智能化路側(cè)停車計(jì)時(shí)管理方案,研究方案中實(shí)現(xiàn)路側(cè)停車計(jì)時(shí)功能的關(guān)鍵:停車行為識(shí)別技術(shù),識(shí)別車輛停入、駛離泊位行為。首先對(duì)車輛行為識(shí)別的基礎(chǔ)工作:運(yùn)動(dòng)目標(biāo)檢測(cè)及多目標(biāo)跟蹤進(jìn)行深入研究,然后基于跟蹤軌跡研究路側(cè)停車行為識(shí)別方法。主要研究工作如下:1.為了滿足路側(cè)停車場(chǎng)景對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)算法實(shí)時(shí)性和環(huán)境適應(yīng)性的要求,分析并改進(jìn)了高斯混合背景建模算法,提出結(jié)合時(shí)空信息的自適應(yīng)高斯混合建模方法。首先根據(jù)間歇性運(yùn)動(dòng)與背景更新之間的矛盾,利用歷史匹配次數(shù)并根據(jù)反正切函數(shù)曲線形狀作為背景學(xué)習(xí)率的變化規(guī)律,推導(dǎo)出自適應(yīng)背景學(xué)習(xí)率計(jì)算公式;然后將前景像素判別規(guī)則分為兩步:利用三幀差原理的前景初判、利用鄰域投票的前景判定。實(shí)驗(yàn)結(jié)果表明,該算法在實(shí)時(shí)性和環(huán)境適應(yīng)性方面有所提高,檢出目標(biāo)更加完整、包含噪聲更少。2.針對(duì)基于檢測(cè)的多目標(biāo)跟蹤方法過(guò)于依賴目標(biāo)檢測(cè)器的問(wèn)題,研究粒子濾波免檢測(cè)跟蹤算法,在基... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)際路側(cè)停車場(chǎng)景

(d) 視頻 41 幀 (e) 光流圖 (f) 目標(biāo)檢測(cè)結(jié)果圖圖 2.8 光流法運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)驗(yàn)結(jié)果光流法的優(yōu)點(diǎn)：不需要任何場(chǎng)景的先驗(yàn)信息，是一種通用性較強(qiáng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。缺點(diǎn)：噪聲、多光源、陰影和遮擋等因素都會(huì)對(duì)光流分布的計(jì)算結(jié)果造成嚴(yán)重影響，并且光流法的計(jì)算比較復(fù)雜，對(duì)于實(shí)時(shí)性要求較高的場(chǎng)景并不適用。2.3.2 幀間差分法幀間差分法利用視頻圖像在時(shí)間序列上具有連續(xù)性的特點(diǎn)：如果場(chǎng)景內(nèi)沒(méi)有運(yùn)動(dòng)目標(biāo)，則連續(xù)幀之間的變化很微弱，如果存在運(yùn)動(dòng)目標(biāo)，則連續(xù)幀之間就會(huì)有明顯變化[24, 25]。方法的基本原理是：對(duì)圖像序列相鄰兩幀或者三幀進(jìn)行差分運(yùn)算，通過(guò)判斷像素點(diǎn)之間的灰度值差是否超過(guò)一定閾值，來(lái)檢出運(yùn)動(dòng)目標(biāo)區(qū)域。①兩幀差分法兩幀差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)的過(guò)程如圖 2.9 所示：

(c) 相鄰差分圖像 (d)檢測(cè)結(jié)果圖 2.11 兩幀差分法運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)驗(yàn)結(jié)果(a) 第 35 幀 (b) 第 36 幀 (c) 第 37 幀(d) 35 與 36 幀差分圖 (e) 36 與 37 幀差分圖 (f) 檢測(cè)結(jié)果圖 2.12 三幀差分法運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)驗(yàn)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于目標(biāo)序列分析的智能監(jiān)控多目標(biāo)自動(dòng)檢測(cè)跟蹤[J]. 劉李漫,張治國(guó).  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[2]基于卡爾曼濾波的多目標(biāo)跟蹤方法[J]. 趙廣輝,卓松,徐曉龍.  計(jì)算機(jī)科學(xué). 2018(08)
[3]空時(shí)自適應(yīng)混合高斯模型復(fù)雜背景運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 朱文杰,王廣龍,田杰,喬中濤,高鳳岐.  北京理工大學(xué)學(xué)報(bào). 2018(02)
[4]淺談車牌識(shí)別在城市停車中的應(yīng)用[J]. 沃綠洲.  中國(guó)公共安全. 2018(01)
[5]粒子濾波理論在單目標(biāo)跟蹤中的應(yīng)用綜述[J]. 劉暢,楊鎖昌,汪連棟.  飛航導(dǎo)彈. 2017(10)
[6]基于視頻跟蹤軌跡的全過(guò)程路側(cè)停車行為檢測(cè)與識(shí)別技術(shù)[J]. 于青青,張可,唐恒亮,趙箐,蓋赟,汪鳴.  計(jì)算機(jī)與現(xiàn)代化. 2017(09)
[7]一種改進(jìn)的混合高斯學(xué)習(xí)自適應(yīng)背景建模算法[J]. 鄧?yán)?李明東,鄒海洋.  西華師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[8]基于跟蹤軌跡的車輛異常行為檢測(cè)[J]. 蔣恩源,王學(xué)軍.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(01)
[9]一種基于歷史背景的混合高斯背景建模算法[J]. 肖進(jìn)勝,劉婷婷,張亞琪,彭紅,鄢煜塵.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(10)
[10]智慧停車的視頻分析技術(shù)應(yīng)用[J]. 童巍.  現(xiàn)代建筑電氣. 2014(07)

博士論文
[1]復(fù)雜場(chǎng)景中的在線多目標(biāo)跟蹤方法研究[D]. 楊敏.北京理工大學(xué) 2016
[2]基于檢測(cè)的數(shù)據(jù)關(guān)聯(lián)多目標(biāo)跟蹤算法研究[D]. 項(xiàng)俊.華中科技大學(xué) 2016

碩士論文
[1]基于粒子濾波的車輛跟蹤算法研究[D]. 郭新新.山東師范大學(xué) 2018
[2]基于監(jiān)控視頻的交通信息提取技術(shù)研究[D]. 黃丹.電子科技大學(xué) 2017
[3]監(jiān)控視頻中車輛行為語(yǔ)義分析[D]. 蔣恩源.吉林大學(xué) 2016
[4]路邊空余停車位短時(shí)預(yù)測(cè)及停車誘導(dǎo)信息服務(wù)系統(tǒng)研究[D]. 羅強(qiáng).江西理工大學(xué) 2016
[5]基于機(jī)器視覺(jué)的泊車位檢測(cè)關(guān)鍵技術(shù)研究[D]. 馬偉.西安理工大學(xué) 2015
[6]基于車輛跟蹤軌跡的停車和逆行檢測(cè)研究[D]. 高冬冬.長(zhǎng)安大學(xué) 2015
[7]基于粒子濾波目標(biāo)跟蹤算法研究[D]. 吳建偉.浙江理工大學(xué) 2014
[8]違章停車取證關(guān)鍵技術(shù)研究[D]. 鄭耀.上海交通大學(xué) 2014
[9]背景建模算法研究[D]. 田楠.蘭州大學(xué) 2012



本文編號(hào)：3145186