車輛檢測技術(shù)是智能交通系統(tǒng)采集單元中重要的基礎(chǔ)技術(shù)之一,而交通監(jiān)控視頻中包含的信息數(shù)據(jù)量大、種類齊全,基于視頻流圖像幀的車輛檢測定位算法在智能交通監(jiān)控中得到了廣泛的應(yīng)用,近年來,隨著圖像處理技術(shù)的迅猛發(fā)展,基于交通視頻的靜態(tài)場景下多運動目標(biāo)檢測算法逐漸成為研究熱點。本文對目標(biāo)運動信息檢測算法進(jìn)行研究,由于ViBE（Video Background Estimation）算法存在鄰域采樣點重復(fù)率高、分類距離閾值固定的缺點,進(jìn)行了以下兩方面改進(jìn):首先,將采樣點由原來的3*3鄰域擴(kuò)大到5*5鄰域,并按照距離中心像素點的遠(yuǎn)近為采樣點分配不同的權(quán)重,達(dá)到降低采樣點重復(fù)率的目的;第二,將原來固定的距離閾值R,改進(jìn)成自適應(yīng)距離閾值R。改進(jìn)后的ViBE算法可以獲取更加完整的二值圖像,通過形態(tài)學(xué)閉操作處理后得到被標(biāo)記的運動目標(biāo)可能區(qū)域,之后在原圖中截取同樣的區(qū)域。利用訓(xùn)練好的Haar-Like和MB-LBP特征相結(jié)合的嵌套級聯(lián)分類器（Nested Cascades of GABoosted Classifiers,NCGAB）進(jìn)行逐層判別,通過非極大值抑制算法（Non-Maximum Suppressi... 

【文章來源】：西安工業(yè)大學(xué)陜西省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.2兩種光流法實驗效果

2掃描點臨近像素2掃描點第一輪掃描結(jié)果 第二輪掃描結(jié)果圖 3.12 兩輪掃描法過 ViBE 算法提取前景區(qū)域后再經(jīng)過閉操作預(yù)處理之后，采用 Two-Pass 法分割實驗結(jié)果如圖 3.13，通過這種方法處理相互獨立的車輛目標(biāo)時，可以很輛的位置、大小等信息。果(a)834 幀 (b)1484 幀 (c)1697 幀

割方法靠形態(tài)學(xué)處理和連通域標(biāo)記法，在多運動目標(biāo)檢測中是不可靠的，連通域分之間存在遮擋、粘連、斷裂的情況檢測效果并不好，如圖 3.14 所示，當(dāng)多之間存在遮擋關(guān)系，圖(a)、(b)、(c)中，連通域分割圖中每個目標(biāo)無法獲取連通域，則在圖(d)、(e)、(f)中，可以看出多個車輛會被錯誤的歸類為一個，。因此本文在下一章中考慮采用基于圖像特征的分類器分割方法來輔助動車輛目標(biāo)位置信息的提取。

【參考文獻(xiàn)】：
期刊論文
[1]Haar特征提取IP核設(shè)計及前方車輛檢測系統(tǒng)實現(xiàn)[J]. 任亮樸,徐美華,陳高攀.  電子設(shè)計工程. 2018(14)
[2]基于多尺度特征和嵌套級聯(lián)Adaboost的車輛檢測[J]. 康珮珮,于鳳芹,陳瑩.  傳感器與微系統(tǒng). 2018(05)
[3]2017年交通運輸行業(yè)發(fā)展統(tǒng)計公報[J].   中國物流與采購. 2018(11)
[4]一種改進(jìn)的基于ViBe的運動目標(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)
[5]一種基于改進(jìn)視覺背景提取算法的前景檢測[J]. 陳樹,丁保闊.  計算機(jī)工程與科學(xué). 2018(04)
[6]走合作共贏之路——談中國汽車產(chǎn)業(yè)未來之戰(zhàn)略選擇[J]. 張世海,張夢澤.  中國市場. 2018(06)
[7]基于反饋背景模型的城市道路交叉口前景目標(biāo)檢測[J]. 李浩,張運勝.  交通運輸系統(tǒng)工程與信息. 2017(06)
[8]基于ViBe算法及分?jǐn)?shù)階微分邊緣檢測的運動目標(biāo)提取[J]. 吳成,李曉華,周激流.  計算機(jī)應(yīng)用. 2017(S1)
[9]基于Haar-like和MB-LBP特征分區(qū)域多分類器車輛檢測[J]. 朱彬,王少平,梁華為,袁勝,楊靜,黃俊杰.  模式識別與人工智能. 2017(06)
[10]一種基于改進(jìn)ViBe和級聯(lián)分類器的車輛檢測算法[J]. 彭勝.  現(xiàn)代計算機(jī)(專業(yè)版). 2017(08)

碩士論文
[1]基于視頻的車流量智能交通檢測系統(tǒng)研究[D]. 黃鑫.西南交通大學(xué) 2018
[2]基于特征學(xué)習(xí)的目標(biāo)檢測與跟蹤技術(shù)研究[D]. 賀先輝.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2017
[3]監(jiān)控場景下的車型分類方法研究與實現(xiàn)[D]. 劉應(yīng)新.北京郵電大學(xué) 2017
[4]基于多特征級聯(lián)分類器的消防通道車輛檢測技術(shù)研究[D]. 陳瀚.重慶大學(xué) 2016
[5]基于改進(jìn)的ViBE和HOG的運動目標(biāo)檢測系統(tǒng)研究與實現(xiàn)[D]. 王彬.沈陽工業(yè)大學(xué) 2016
[6]基于特征融合的AdaBoost人臉檢測研究[D]. 李穎穎.蘭州理工大學(xué) 2015
[7]智能交通監(jiān)控中的視頻處理方法與系統(tǒng)[D]. 秦為帥.東南大學(xué) 2015
[8]基于電感線圈的車輛檢測器系統(tǒng)設(shè)計[D]. 熊圣明.重慶大學(xué) 2014
[9]靜態(tài)場景下多運動目標(biāo)檢測與跟蹤[D]. 吳東飛.合肥工業(yè)大學(xué) 2013
[10]基于DSP的車流量統(tǒng)計方法的研究[D]. 鮮柯.合肥工業(yè)大學(xué) 2010



本文編號：3574295