本文選題：車輛檢測 + 車輛目標分割��； 參考：《昆明理工大學》2014年碩士論文

【摘要】：隨著城市的發(fā)展,車路之間的矛盾日益突出。因此,如何充分利用現(xiàn)有資源,實現(xiàn)智能交通系統(tǒng),是一個亟待解決的問題。智能交通信號燈控制系統(tǒng)作為智能交通系統(tǒng)的重要組成部分,在減少車輛在路口的總體通行時間,提高通行效率,降低燃油消耗與環(huán)境污染方面發(fā)揮著不可替代的作用�；谝曨l的車輛檢測與計算問題作為智能交通信號燈控制系統(tǒng)等視覺應用的重要基礎,具有十分重要的研究意義與實用價值。 目前,路口車輛的測量檢測與計算主要通過路面接觸式的物理探測裝置,諸如壓力、電場或磁場等感應裝置來檢測與計算。但是這類裝置的安裝維護困難,且易老化,維護成本較高,而且不能解決車輛改道問題。隨著視頻檢測技術的發(fā)展,基于視頻的非接觸式車輛檢測與計算方法,由于其檢測設備安裝、維護簡單,維護成本低,且能解決多車道與車輛改道問題,因此,其必將逐步替代傳統(tǒng)的車輛檢測方法,成為未來的研究重點。然而,基于視頻的車輛檢測技術仍面臨著動態(tài)背景干擾、靜態(tài)車輛目標檢測、陰影抑制以及目標遮擋等多種技術難題。 為解決以上技術難題,文中提出了以路面分割方式來解決諸如樹枝晃動等非背景的動態(tài)場景干擾,以基于顏色特征的車輛檢測方法來檢測靜態(tài)車輛目標。在通過將陰影區(qū)域納入到路面背景建模的過程中,實現(xiàn)對陰影的抑制。并利用顏色恒常性算法來移除光源顏色漸變對車輛與路面顏色特征造成的干擾。最后,利用改進的車道空間占有率計算模型來度量各車道的車流密度。具體來說,該文的主要工作及創(chuàng)新如下： 1.深入分析各種經典邊緣檢測算子,以及Hough變換直線檢測原理,并利用Hough變換實現(xiàn)了路面RO1分割,以消除非背景目標對車輛檢測的干擾。 2.深入分析了車輛與路面顏色在RGB顏色特征空間的分布特征,并將RGB顏色特征轉換到新的顏色特征空間,使路面顏色特征分布更加緊湊。在此顏色特征模型下,根據(jù)貝葉斯分類器的分類思想,設計了路面與車輛像素的分類規(guī)則,將其轉化為二值標注圖像。最后,利用基于能量最小化圖割的圖像分割思想分割出了車輛目標。 3.針對光源顏色漸變對車輛與道路顏色特征的影響,提出了多光源非均勻光照場景下的顏色恒常性解決方法。該方法將場景圖像劃分成若干較小區(qū)域,分別對各區(qū)域光源顏色進行估計,根據(jù)各區(qū)域對場景光源顏色的貢獻將其合并為一種復合光源顏色作為場景光源顏色的近似估計,再利用對角模型重構圖像。該算法打破了現(xiàn)存算法對光源光譜能量均勻分布和物體表面反射屬性的依賴,有效地解決了城市交通道路這種復雜場景下的顏色恒常性問題。最后,又將顏色恒常性算法應用于車輛檢測算法中,對車輛檢測性能作了進一步分析。 4.深入分析了車道空間占有率模型及其存在的問題之后,通過有機地融合圖像采集設備與圖像物體之間的時空關系,提出了改進的車道空間占有率計算模型來度量交通路口的車流密度。
[Abstract]:With the development of the city , the contradiction between the road and the road becomes more and more prominent . Therefore , how to make full use of the existing resources and realize the intelligent transportation system is an urgent problem . The intelligent traffic signal light control system plays an irreplaceable role as an important part of the intelligent traffic system . The problem of vehicle detection and calculation based on video plays an important role in the visual application such as the intelligent traffic signal lamp control system and the like , and has very important research significance and practical value .

With the development of video detection technology , the detection and calculation method of non - contact vehicle based on video has the advantages of simple installation , simple maintenance and low maintenance cost .

in ord to solve that above technical problem , a road surface segmentation method is proposed to solve the interference of a non - background dynamic scene such as shaking of a branch , and the object of a static vehicle is detect by a vehicle detection method based on the color characteristic .

1 . Analyze all kinds of classical edge detection operators and Hough transform straight line detection principle , and use Hough transform to realize the segmentation of road surface RO1 , so as to eliminate the interference of non - background target on vehicle detection .

2 . The distribution characteristics of vehicle and road surface color in RGB color feature space are deeply analyzed , and RGB color feature is converted to new color feature space , so that the color characteristic distribution of road surface is more compact . Under this color characteristic model , the classification rule of road surface and vehicle pixel is designed according to the classification idea of Bayes classifier . Finally , the image segmentation idea based on energy minimization graph cutting is used to segment the vehicle target .

3 . According to the influence of the light source color gradient on the color characteristics of the vehicle and the road , a method for solving the color constancy in a multi - light source non - uniform illumination scene is put forward . The method divides the scene image into a plurality of smaller areas , and combines the scene image into a composite light source color as an approximate estimate of the color of the scene light source , and then reconstructs an image by using a diagonal model .

4 . After deeply analyzing the space occupancy model and the existing problems , the improved lane space occupancy calculation model is proposed to measure the traffic flow density of the traffic intersection by organically integrating the temporal and temporal relationship between the image acquisition equipment and the image object .

【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.41;U495

【參考文獻】

相關期刊論文 前7條

1 史新宏,蔡伯根,穆建成;智能交通系統(tǒng)的發(fā)展[J];北方交通大學學報;2002年01期

2 王圣男,郁梅,蔣剛毅;智能交通系統(tǒng)中基于視頻圖像處理的車輛檢測與跟蹤方法綜述[J];計算機應用研究;2005年09期

3 吳薇;朱光喜;陳云鋒;;基于視頻技術的嵌入式交通信息采集系統(tǒng)[J];計算機應用研究;2008年07期

4 肖曉明;馬智;蔡自興;唐t;;一種自適應的區(qū)域生長算法用于道路分割[J];控制工程;2011年03期

5 夏勁;郭紅衛(wèi);;國內外城市智能交通系統(tǒng)的發(fā)展概況與趨勢及其啟示[J];科技進步與對策;2003年01期

6 張鳳珍;董增壽;;基于數(shù)學形態(tài)學與Hough變換的道路邊緣提取[J];太原科技大學學報;2010年03期

7 呂東輝;王濱;;YCbCr空間中一種基于貝葉斯判決的膚色檢測方法[J];中國圖象圖形學報;2006年01期

相關博士學位論文 前3條

1 李兵;顏色恒常性計算研究[D];北京交通大學;2009年

2 郁生陽;基于能量最小化圖割的圖像與視頻目標精確分割研究[D];上海交通大學;2009年

3 周昱;智能交通系統(tǒng)中運動目標的自動分析技術研究[D];華中科技大學;2012年

，

本文編號：1831224