基于視覺的組合車輛檢測(cè)與跟蹤算法研究
發(fā)布時(shí)間:2023-04-05 05:54
為了減輕交通擁堵,降低交通事故率,減輕能源消耗所帶來的環(huán)境污染問題,結(jié)合現(xiàn)有的智能車輛(Intelligent Vehicle,IV)技術(shù),本文提出一種新型出行方式——組合車輛出行。其工作原理是每輛智能車將導(dǎo)航數(shù)據(jù)上傳到智能交通網(wǎng)絡(luò)系統(tǒng),系統(tǒng)負(fù)責(zé)調(diào)配交通資源,將局部路徑相似的智能車組成一個(gè)車隊(duì)。本文所要解決的問題是如何將本車跟局部路徑相似的目標(biāo)車進(jìn)行組合。主要對(duì)前方車輛進(jìn)行基于計(jì)算機(jī)視覺的車輛檢測(cè)、車牌識(shí)別、車輛跟蹤算法展開研究,具體內(nèi)容如下:(1)對(duì)前方的智能車輛進(jìn)行車輛檢測(cè)。首先根據(jù)車輛底部陰影區(qū)域生成車輛假設(shè)區(qū)域;然后提取車輛假設(shè)區(qū)域HSV顏色空間的H分量并生成顏色直方圖,并將生成的車輛假設(shè)區(qū)域與智能車輛模板進(jìn)行顏色直方圖比對(duì),完成對(duì)車輛假設(shè)區(qū)域初步驗(yàn)證;最后采用HOG特征+SVM再次對(duì)車輛假設(shè)區(qū)域進(jìn)行驗(yàn)證。實(shí)驗(yàn)表明,本文算法可以較好的檢測(cè)出前方智能車輛。(2)對(duì)檢測(cè)到的智能車輛進(jìn)行車牌識(shí)別。為了實(shí)現(xiàn)車牌的快速定位,采用基于色差的車牌快速定位方法。針對(duì)某些漢字內(nèi)部筆畫相互斷開的問題,采用基于輪廓特征與垂直投影相結(jié)合的方法對(duì)車牌字符進(jìn)行分割。針對(duì)傳統(tǒng)的LBP特征對(duì)字符的識(shí)別率較低的...
【文章頁(yè)數(shù)】:70 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 國(guó)外研究現(xiàn)狀
1.2.2 國(guó)內(nèi)研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容
第二章 車輛檢測(cè)、車牌識(shí)別與車輛跟蹤算法
2.1 基于視覺的車輛檢測(cè)算法分析
2.1.1 車輛假設(shè)區(qū)域生成
2.1.2 車輛假設(shè)區(qū)域驗(yàn)證
2.2 基于視覺的車牌識(shí)別算法分析
2.2.1 常用車牌定位方法
2.2.2 車牌字符分割算法
2.2.3 車牌字符識(shí)別算法
2.3 視頻圖像中車輛跟蹤算法分析
2.4 本章小結(jié)
第三章 基于HOG與 SVM的車輛檢測(cè)算法
3.1 圖像預(yù)處理
3.1.1 圖像灰度化
3.1.2 圖像濾波
3.1.3 邊緣檢測(cè)
3.1.4 形態(tài)學(xué)處理
3.2 車輛假設(shè)區(qū)域生成算法
3.2.1 陰影分割
3.2.2 形態(tài)學(xué)濾波
3.2.3 確定陰影位置
3.2.4 生成車輛假設(shè)區(qū)域
3.3 車輛假設(shè)區(qū)域驗(yàn)證算法
3.3.1 基于顏色直方圖比對(duì)的初步驗(yàn)證
3.3.2 基于HOG特征與SVM的驗(yàn)證
3.4 車輛檢測(cè)實(shí)驗(yàn)結(jié)果與分析
3.5 本章小結(jié)
第四章 基于車牌識(shí)別的目標(biāo)車輛驗(yàn)證
4.1 車牌基本特征
4.2 基于色差的車牌快速定位
4.3 基于輪廓特征與垂直投影相結(jié)合的字符分割
4.4 基于改進(jìn)LBP特征與模板匹配的字符識(shí)別
4.5 車牌檢測(cè)實(shí)驗(yàn)結(jié)果與分析
4.6 本章小結(jié)
第五章 基于改進(jìn)的KCF車輛跟蹤算法
5.1 相關(guān)濾波器跟蹤算法
5.2 HOG與 CN特征自適應(yīng)融合策略
5.3 目標(biāo)尺度估計(jì)
5.4 車輛跟蹤實(shí)驗(yàn)
5.4.1 評(píng)價(jià)指標(biāo)
5.4.2 實(shí)驗(yàn)結(jié)果分析
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)
作者簡(jiǎn)介
本文編號(hào):3782862
【文章頁(yè)數(shù)】:70 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 國(guó)外研究現(xiàn)狀
1.2.2 國(guó)內(nèi)研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容
第二章 車輛檢測(cè)、車牌識(shí)別與車輛跟蹤算法
2.1 基于視覺的車輛檢測(cè)算法分析
2.1.1 車輛假設(shè)區(qū)域生成
2.1.2 車輛假設(shè)區(qū)域驗(yàn)證
2.2 基于視覺的車牌識(shí)別算法分析
2.2.1 常用車牌定位方法
2.2.2 車牌字符分割算法
2.2.3 車牌字符識(shí)別算法
2.3 視頻圖像中車輛跟蹤算法分析
2.4 本章小結(jié)
第三章 基于HOG與 SVM的車輛檢測(cè)算法
3.1 圖像預(yù)處理
3.1.1 圖像灰度化
3.1.2 圖像濾波
3.1.3 邊緣檢測(cè)
3.1.4 形態(tài)學(xué)處理
3.2 車輛假設(shè)區(qū)域生成算法
3.2.1 陰影分割
3.2.2 形態(tài)學(xué)濾波
3.2.3 確定陰影位置
3.2.4 生成車輛假設(shè)區(qū)域
3.3 車輛假設(shè)區(qū)域驗(yàn)證算法
3.3.1 基于顏色直方圖比對(duì)的初步驗(yàn)證
3.3.2 基于HOG特征與SVM的驗(yàn)證
3.4 車輛檢測(cè)實(shí)驗(yàn)結(jié)果與分析
3.5 本章小結(jié)
第四章 基于車牌識(shí)別的目標(biāo)車輛驗(yàn)證
4.1 車牌基本特征
4.2 基于色差的車牌快速定位
4.3 基于輪廓特征與垂直投影相結(jié)合的字符分割
4.4 基于改進(jìn)LBP特征與模板匹配的字符識(shí)別
4.5 車牌檢測(cè)實(shí)驗(yàn)結(jié)果與分析
4.6 本章小結(jié)
第五章 基于改進(jìn)的KCF車輛跟蹤算法
5.1 相關(guān)濾波器跟蹤算法
5.2 HOG與 CN特征自適應(yīng)融合策略
5.3 目標(biāo)尺度估計(jì)
5.4 車輛跟蹤實(shí)驗(yàn)
5.4.1 評(píng)價(jià)指標(biāo)
5.4.2 實(shí)驗(yàn)結(jié)果分析
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)
作者簡(jiǎn)介
本文編號(hào):3782862
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3782862.html
最近更新
教材專著