近年來隨著大數(shù)據(jù)、人工智能等新一代信息技術(shù)的迅猛發(fā)展,智能交通系統(tǒng)在全球范圍內(nèi)得到廣泛應(yīng)用和普及。這是由于該系統(tǒng)能夠降低人力成本、規(guī)避人為操作失誤,可以自動識別異常情況。當(dāng)前城市車輛數(shù)量不斷增加,交通擁堵現(xiàn)象較為嚴(yán)重,為了監(jiān)控異常情況,一般會選擇在公共場所布置監(jiān)控設(shè)備。但少量司機(jī)仍在禁停區(qū)停車,造成道路擁擠更為嚴(yán)重。智能停車檢測技術(shù)能夠充分發(fā)揮智能交通系統(tǒng)的監(jiān)控作用,對改善交通環(huán)境、應(yīng)對道路擁堵具有重要作用。但當(dāng)前監(jiān)控系統(tǒng)仍主要采用人工對比和核查的方式,需工作人員全天候守在監(jiān)控屏前,不僅造成人力資源浪費(fèi),也容易出現(xiàn)人為失誤,所以充分發(fā)揮智能停車檢測技術(shù)作用具有重要意義。本論文對室外監(jiān)控視頻中的停車檢測算法進(jìn)行分析,指出現(xiàn)階段主要監(jiān)測算法在使用過程中面臨的不足:如未考慮陰影干擾;在靜止目標(biāo)檢測時,對車輛短時間停留難以檢測;以幾何外形的方式研判前景物體是否為車輛,造成檢測精準(zhǔn)度不高。本論文總結(jié)室外監(jiān)控視頻停車檢測技術(shù)相關(guān)的理論,梳理當(dāng)前視頻停車檢測實踐中存在的技術(shù)難點,對現(xiàn)有停車檢測算法作出改進(jìn)。本論文對停車檢測算法進(jìn)行分析,主要研究工作包括以下五個方面::1、提取前景目標(biāo)。在提取前景目標(biāo)... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１停車檢測應(yīng)用場景示意圖??

?第２章相關(guān)理論及技術(shù)介紹???（?開始?）??讀入視頻?ｙ／??視頻預(yù)處理??前動目奪示檢???????］?［???靜止目奪示檢測??車輛檢測??靜止拾測??ｍｍ?）??圖２－１停車檢測流程圖??本章節(jié)探討各階段檢測在本文中的具體算法和對應(yīng)技術(shù)。２．２節(jié)表述基于混??合高斯模型的前景目標(biāo)提取方式，并對目標(biāo)進(jìn)行陰影檢測，對模型構(gòu)建、前景運(yùn)??動目標(biāo)檢測等進(jìn)行介紹。２．３節(jié)主要介紹四種效果較好的靜止目標(biāo)檢測方式，對現(xiàn)??有的主要算法進(jìn)行比較和研究。２．４節(jié)總結(jié)目前幾種常見的圖像相似度檢測算法。??２．５節(jié)探討幾種常見車輛檢測算法之間的差異，分析各算法特征，介紹對應(yīng)模型，??總結(jié)不同算法的對應(yīng)優(yōu)缺點。２．６節(jié)為本章研究內(nèi)容的小結(jié)。??２．２基于混合高斯模型的前景運(yùn)動目標(biāo)提取??從背景中檢測運(yùn)動目標(biāo)（前景）是各種視頻分析和運(yùn)動跟蹤應(yīng)用的關(guān)鍵組成??部分。雖然運(yùn)動物體或前景的概念對人類的感知是微不足道的，但在計算機(jī)視覺??領(lǐng)域，它通常被視為一個具有挑戰(zhàn)性的問題。這里，術(shù)語前景是指在視頻序列中??不固定的任何對象。然而，圖像場景中的運(yùn)動也可能是由攝像機(jī)而不是物體本身??引起的，這使得前景提取問題在不受控制的環(huán)境中成為一個非常重要的問題。在??現(xiàn)有的文獻(xiàn)中可以找到不同的前景檢測技術(shù)，可分為兩大類：一類是基于背景建??８??

?第２章相關(guān)理論及技術(shù)介紹???禮ＪＢ??ａ）視頻巾貞圖像?ｂ）背景巾貞圖像?ｃ）則景運(yùn)動目標(biāo)圖像??圖２－２前景運(yùn)動目標(biāo)提取７Ｋ意圖??２．２．３混合高斯模型的更新??在混合高斯模型實際運(yùn)用過程中，為提高使用效果，滿足實際運(yùn)用需要，需??對模型進(jìn)行持續(xù)更新，這是由于相應(yīng)的外界條件也處在持續(xù)變化中，如天氣環(huán)境??等出現(xiàn)變化，因此需提高模型自我適應(yīng)外在變化的水平�？梢约僭O(shè)（Ｘ，ｙ）像素??處的均值為叫ｔ，方差為＜ｔ，權(quán)重為ｗａ。通過計算進(jìn)行更新的公式為（２－７），??通過計算進(jìn)行更新的公式為（２－８），＆通過計算進(jìn)行更新的公式為（２－９），０??通過計算進(jìn)行更新的公式為（２－１０），其中《和０分別表示權(quán)值和均值更新速率。??Ｗｉ．ｆ?＝?（１?－?ｃｃ）ｗｉｔｆ＿ｘ?＋?ａ?（２－７）??ｕｉ，ｆ?＝?（１?－?＋?ＰＸｉ，ｆ?（２－８）??ａｉ，ｔ?＝?（１?￣?－?ｕｉ，ｊ）?（ｘｉ，ｔ?－?ｕｉ，ｔ）?（２－９）??／？?＝?ａｒ］（ｘｉｉｔ＼＾ｔｉｉ，ａｉｘ）?（２－１０）??２．２．４運(yùn)動目標(biāo)的陰影檢測??盡管上文提出混合高斯模型能夠從較為復(fù)雜的背景中完成檢測，獲得對象??運(yùn)動軌跡，并可根據(jù)光照、氣候等外部條件變化作出自適應(yīng)的變化。但所形成的??前景運(yùn)動目標(biāo)中可能會存在一定陰影，為提升檢測準(zhǔn)確率，需對其中的目標(biāo)陰影??進(jìn)行去除，通�？刹扇∫裕龋樱诸伾臻g為基礎(chǔ)的檢測方式，對運(yùn)動目標(biāo)對應(yīng)的陰??影進(jìn)行檢測。ＨＳＶ顏色空間［２４］具有非常接近人體色覺空間的特征，是學(xué)者??Ａ．Ｒ。Ｓｍｉｔｈ?（１９７８）經(jīng)過長期研究，基于顏色特性所提出的，并在顏色空間模型??１１??

【參考文獻(xiàn)】：
期刊論文
[1]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計算機(jī)學(xué)報. 2015(06)



本文編號：3236695