隨著社會經(jīng)濟(jì)的發(fā)展,交通需求的增加,由于交通供給不足和自然資源的制約,城市交通出現(xiàn)了交通擁堵、交通安全、環(huán)境污染等問題。這些問題的解決不能單純的通過增加交通供給、交通限制來實現(xiàn),必須以全方位的、智能的交通管控來予以解決。進(jìn)行智能的交通管控,則必須進(jìn)行交通數(shù)據(jù)采集。車輛識別是眾多交通數(shù)據(jù),如交通流量、違章信息等的基礎(chǔ),因此進(jìn)行車輛檢測和跟蹤是實現(xiàn)智能交通管控的前提條件。由于夜間光照不充足,車輛的結(jié)構(gòu)特征、顏色特征難以獲取,加上晚上路燈、車燈等產(chǎn)生的各種反光,夜間道路環(huán)境復(fù)雜,這都使得夜間車輛的檢測和跟蹤非常困難。本文圍繞夜間道路、車輛特征、車輛檢測和跟蹤展開如下工作:1)研究夜間道路特性,夜間道路因來車影響,圖像局部強(qiáng)度會產(chǎn)生劇變,同時由于車燈強(qiáng)弱不一,顏色也會有較大的差異,在統(tǒng)計分析的基礎(chǔ)上本文提出了一種基于統(tǒng)計幀差法進(jìn)行圖像處理,能有效地消除局部光照、顏色突變的情況,為后續(xù)的背景建模打下基礎(chǔ);2)針對夜間道路存在反光等情況,本文使用高斯混合背景模型構(gòu)建道路的夜間背景模型,在此基礎(chǔ)上用背景減法提取運動車輛;3)研究車輛夜間的特征,提出了基于顏色和形狀的尾燈特征,針對HIS空間中H在低照... 

【文章來源】：天津職業(yè)技術(shù)師范大學(xué)天津市

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 本文研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本課題的主要內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 夜間視頻特征分析及變換
    2.1 夜間道路視頻特點
    2.2 基于統(tǒng)計幀差法去除局部光照影響的方法
    2.3 小結(jié)
第三章 建立夜間道路背景模型
    3.1 運動車輛檢測
        3.1.1 幀間差分法
        3.1.2 光流法
        3.1.3 背景差分法
    3.2 車輛圖像的處理
        3.2.1 圖像二值化閾值
        3.2.2 圖像形態(tài)學(xué)
    3.3 常用的典型背景建模
        3.3.1 均值濾波算法
        3.3.2 中值濾波算法
        3.3.3 單高斯背景模型
        3.3.4 混合高斯建模
    3.4 背景模型比較
    3.5 小結(jié)
第四章 夜間車輛識別
    4.1 車輛夜間特征
    4.2 車輛夜間特征提取
        4.2.1 顏色空間
        4.2.2 閾值的選擇
    4.3 小結(jié)
第五章 基于mean-shift跟蹤算法
    5.1 基于mean shift跟蹤算法介紹
    5.2 概率密度估計
        5.2.1 參數(shù)密度估計
        5.2.2 無參數(shù)密度估計
    5.3 核函數(shù)密度估計
        5.3.1 mean shift算法的基本向量及拓展
        5.3.2 概率密度梯度
        5.3.3 mean shift算法實現(xiàn)與收斂
    5.4 mean shift算法在目標(biāo)跟蹤中的應(yīng)用
        5.4.1 建立目標(biāo)模型
        5.4.2 建立目標(biāo)候選模型
        5.4.3 相似性度量函數(shù)
        5.4.4 運動目標(biāo)跟蹤
    5.5 小結(jié)
第六章 基于虛擬線圈的檢測系統(tǒng)及實驗分析
    6.1 系統(tǒng)框架設(shè)計
    6.2 過程實現(xiàn)
        6.2.1 車流量檢測道路模型
        6.2.2 虛擬線圈及檢測區(qū)域的設(shè)置
    6.3 實驗結(jié)果及分析
第七章 總結(jié)
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于特征融合的視覺導(dǎo)航智能車輛的車道識別[J]. 李進(jìn),陳杰平,易克傳,徐朝勝.  汽車工程. 2015(05)
[2]夜間車流量檢測算法中路面反射光的消除方法[J]. 歐陽韜,朱明旱.  電子設(shè)計工程. 2014(20)
[3]基于自適應(yīng)特征選擇的夜間運動車輛檢測算法[J]. 朱韶平.  吉首大學(xué)學(xué)報(自然科學(xué)版). 2013(06)
[4]基于團(tuán)塊幾何和位置特征的夜間前方車輛檢測方法[J]. 肖志濤,王悅,耿磊,張芳.  河北工業(yè)大學(xué)學(xué)報. 2013(05)
[5]基于亮度累加直方圖的夜間車輛檢測算法[J]. 孫曉艷,王健,王建強(qiáng),郭君斌.  計算機(jī)工程. 2013(06)
[6]基于尾燈跟蹤的夜間車輛檢測[J]. 祁秋紅,陳啟興.  通信技術(shù). 2012(10)
[7]夜間環(huán)境交通數(shù)據(jù)采集系統(tǒng)設(shè)計與實現(xiàn)[J]. 徐文聰,劉海.  測控技術(shù). 2012(06)
[8]利用D-S證據(jù)理論的夜間車輛檢測[J]. 歐志芳,安吉堯,周芳麗.  計算機(jī)應(yīng)用研究. 2012(05)
[9]基于視頻的夜間車流量統(tǒng)計[J]. 劉莉,潘曉露,李一民.  微處理機(jī). 2012(01)
[10]Railway intelligent transportation system and its applications[J]. Qin Yong,Jia Limin,Zhang Yuan (State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044,China).  Engineering Sciences. 2011(01)

博士論文
[1]交通狀態(tài)視覺識別方法研究[D]. 畢松.北京郵電大學(xué) 2012
[2]基于圖像分析的自然彩色夜視成像方法研究[D]. 谷小婧.東華大學(xué) 2011

碩士論文
[1]基于MeanShift的視頻目標(biāo)跟蹤算法研究[D]. 鄭建.蘭州理工大學(xué) 2018
[2]基于視頻的車輛檢測與跟蹤方法研究[D]. 武曉潔.長安大學(xué) 2018
[3]基于RGB顏色空間的彩色圖像灰度化算法研究[D]. 郭麗.陜西師范大學(xué) 2017
[4]基于Meanshift算法的視頻跟蹤分析與改進(jìn)[D]. 李慧霞.太原科技大學(xué) 2017
[5]基于夜間交通視頻的車輛檢測與跟蹤[D]. 馮毅超.北京交通大學(xué) 2016
[6]基于MeanShift的視頻目標(biāo)跟蹤算法研究[D]. 張鐵明.燕山大學(xué) 2016
[7]基于視頻的車輛跟蹤及車流長度檢測算法研究[D]. 薛曉鉑.湖南大學(xué) 2016
[8]基于MeanShift的運動目標(biāo)檢測與跟蹤研究[D]. 徐驍翔.浙江工業(yè)大學(xué) 2015
[9]基于視頻的車流量檢測系統(tǒng)的設(shè)計與實現(xiàn)[D]. 楊后超.四川師范大學(xué) 2014
[10]基于視頻的車輛檢測與跟蹤算法的研究與實現(xiàn)[D]. 劉漢艷.南京郵電大學(xué) 2012



本文編號：3204943