本文選題：車(chē)輛檢測(cè) + 預(yù)警�。� 參考：《東北大學(xué)》2014年碩士論文

【摘要】：近年來(lái),隨著交通的發(fā)展和車(chē)輛的持續(xù)增多,交通安全事故頻頻發(fā)生,安全駕駛已成為日益突出的問(wèn)題。智能交通系統(tǒng)(Intelligent Transportation Systems, ITS)與車(chē)輛輔助駕駛系統(tǒng)(Driver Assistance Systems, DAS)成為國(guó)內(nèi)外研究的熱點(diǎn)。其中,前方車(chē)輛的實(shí)時(shí)檢測(cè)技術(shù)是車(chē)輛輔助駕駛系統(tǒng)中的關(guān)鍵內(nèi)容之一,對(duì)于實(shí)現(xiàn)停車(chē)輔助、碰撞避免等具有十分重要的意義。本文設(shè)計(jì)了一種基于車(chē)牌的動(dòng)靜態(tài)車(chē)輛檢測(cè)算法,開(kāi)發(fā)了實(shí)時(shí)車(chē)輛距離預(yù)警系統(tǒng)。綜合利用車(chē)輛的車(chē)牌特征、紋理特征、灰度對(duì)稱(chēng)性特征以及統(tǒng)計(jì)特征來(lái)檢測(cè)前方車(chē)輛,并將該算法在DSP應(yīng)用板中編程實(shí)現(xiàn)。在算法研究方面,本文利用實(shí)際生活中最為常見(jiàn)的藍(lán)色和黃色車(chē)牌在YUV顏色空間的聚類(lèi)性,實(shí)現(xiàn)了車(chē)牌提取,利用腐蝕、膨脹的開(kāi)閉運(yùn)算等形態(tài)學(xué)處理方法對(duì)車(chē)牌圖像進(jìn)行了降噪和修復(fù),并結(jié)合連通域標(biāo)記方法實(shí)現(xiàn)了對(duì)多個(gè)車(chē)牌的標(biāo)記和定位,利用基于知識(shí)的紋理及灰度對(duì)稱(chēng)性特征完成對(duì)非車(chē)輛區(qū)域的排除。為解決車(chē)輛遮擋問(wèn)題,本文設(shè)計(jì)了構(gòu)造車(chē)輛局部特征子空間的方法,并采用二維主成分分析(Two-Dimensional Principal Pomponent Analysis,2DPCA)與最小距離分類(lèi)器進(jìn)行車(chē)輛的驗(yàn)證,實(shí)現(xiàn)車(chē)輛檢測(cè)；最后,本文建立了車(chē)距預(yù)警模型,結(jié)合檢測(cè)算法,實(shí)現(xiàn)了近距離車(chē)輛的警示,并對(duì)警示車(chē)輛的左、右側(cè)方位進(jìn)行判別。本文首先在MATLAB平臺(tái)上完成了視頻車(chē)輛檢測(cè)算法的研究和仿真測(cè)試。之后,在硬件實(shí)現(xiàn)方面,分析了系統(tǒng)硬件需求,選取ICETEK-DM6437-B評(píng)估板作為硬件平臺(tái),選用CCD攝像頭作為視頻采集工具；其次,在車(chē)牌提取與初步定位階段,將圖像進(jìn)行抽行抽列處理,減少了DSP處理的數(shù)據(jù)量,提高系統(tǒng)檢測(cè)效率；最后,將算法移植到CCS集成開(kāi)發(fā)環(huán)境中,利用C語(yǔ)言編程并進(jìn)行了代碼的優(yōu)化,完成視頻車(chē)輛的檢測(cè)與車(chē)距預(yù)警。實(shí)驗(yàn)結(jié)果表明,本文設(shè)計(jì)的車(chē)輛檢測(cè)與預(yù)警算法檢測(cè)率可達(dá)90%以上,具有一定的魯棒性和實(shí)用性。經(jīng)過(guò)代碼優(yōu)化,效率得到了顯著提升,每秒鐘能完成大約三幀數(shù)據(jù)的處理,具有較好的實(shí)時(shí)性。并且該算法能有效的檢測(cè)存在遮擋的車(chē)輛,減小光照等外界條件的影響。
[Abstract]:In recent years, with the development of traffic and the continuous increase of vehicles, traffic safety accidents occur frequently, safety driving has become an increasingly prominent problem. Intelligent Transportation Systems (its) and driver Assistance Systems (Das) have become the focus of research at home and abroad. Among them, the real-time detection technology of the vehicle in front is one of the key contents in the vehicle assisted driving system, which is of great significance for the realization of parking assistance and collision avoidance. In this paper, a vehicle detection algorithm based on vehicle license plate is designed, and a real-time vehicle distance warning system is developed. Vehicle license plate features, texture features, gray symmetry features and statistical features are used to detect the vehicle in front of the vehicle, and the algorithm is implemented in DSP application board. In the aspect of algorithm research, this paper makes use of the clustering of blue and yellow license plates in YUV color space, which is the most common in real life, and realizes license plate extraction and corrosion. The image of license plate is de-noised and repaired by morphological processing, such as expansive open and close operation, and the multiple license plates are marked and located with the method of connected domain marking. The knowledge-based texture and gray-scale symmetry feature are used to eliminate the non-vehicle region. In order to solve the problem of vehicle occlusion, a method of constructing vehicle local feature subspace is designed, and the Two-dimensional Principal component Analysis (2DPCA) and minimum distance classifier (2DPCA) are used to verify the vehicle to achieve vehicle detection. In this paper, the warning model of vehicle distance is established, combined with detection algorithm, the warning of close distance vehicle is realized, and the left and right azimuth of warning vehicle are distinguished. Firstly, the research and simulation test of video vehicle detection algorithm are completed on MATLAB platform. Then, the hardware requirements of the system are analyzed, ICETEK-DM6437-B evaluation board is selected as the hardware platform, CCD camera is selected as the video capture tool. Secondly, the image is extracted and processed in the stage of license plate extraction and initial location. Finally, the algorithm is transplanted into the CCS integrated development environment, and the code is optimized by C language to complete the video vehicle detection and distance warning. The experimental results show that the detection rate of the vehicle detection and early warning algorithm designed in this paper can reach more than 90%, which is robust and practical. After code optimization, the efficiency is greatly improved, about three frames of data can be processed per second, and it has good real-time performance. And the algorithm can effectively detect the presence of occlusion vehicles, reduce the impact of light and other external conditions.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文溥;;視頻車(chē)輛檢測(cè)技術(shù)及發(fā)展趨勢(shì)[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

2 劉珠妹;劉亞嵐;譚衢霖;任玉環(huán);;高分辨率衛(wèi)星影像車(chē)輛檢測(cè)研究進(jìn)展[J];遙感技術(shù)與應(yīng)用;2012年01期

3 錢(qián)志明;楊家寬;段連鑫;;基于視頻的車(chē)輛檢測(cè)與跟蹤研究進(jìn)展[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

4 湯灝;張峰;;車(chē)輛檢測(cè)技術(shù)的選用[J];中國(guó)交通信息產(chǎn)業(yè);2004年03期

5 文學(xué)志;趙宏;王楠;袁淮;;基于知識(shí)和外觀方法相結(jié)合的后方車(chē)輛檢測(cè)[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

6 劉振華;黃磊;劉昌平;;一種基于視頻圖像處理的車(chē)輛違章檢測(cè)算法[J];公路交通科技;2012年02期

7 楊阿麗;劉峽壁;魏雪;萬(wàn)玉釵;;用于交通治安卡口的全天候視頻車(chē)輛檢測(cè)方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

8 魏凱;盛建平;熊凱;;基于陰影特征的前向車(chē)輛檢測(cè)和測(cè)距方法研究[J];機(jī)械設(shè)計(jì)與制造;2013年02期

9 郭磊;李克強(qiáng);王建強(qiáng);連小珉;;一種基于特征的車(chē)輛檢測(cè)方法[J];汽車(chē)工程;2006年11期

10 李光才;;一種改進(jìn)的背景重建與更新方法[J];中國(guó)水運(yùn)(下半月);2008年05期

相關(guān)會(huì)議論文 前10條

1 錢(qián)志明;楊家寬;段連鑫;;基于視頻的車(chē)輛檢測(cè)與跟蹤研究進(jìn)展[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 聞?dòng)?潘霓;;基于磁偏角的車(chē)輛檢測(cè)的研究[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

3 楊阿麗;劉峽壁;魏雪;萬(wàn)玉釵;;用于交通治安卡口的全天候視頻車(chē)輛檢測(cè)方法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

4 楊淼;;基于卡爾曼濾波的電子警察系統(tǒng)車(chē)輛檢測(cè)算法[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

5 蔣大林;馬軍強(qiáng);;基于視頻的車(chē)輛檢測(cè)與跟蹤方法綜述[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

6 鄒月嫻;王一言;關(guān)佩;楊華;陳維榮;;復(fù)雜視頻背景中的運(yùn)動(dòng)車(chē)輛檢測(cè)技術(shù)[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

7 李舜酩;繆小冬;;視覺(jué)車(chē)輛檢測(cè)方法的研究進(jìn)展及展望[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

8 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車(chē)載行人車(chē)輛檢測(cè)系統(tǒng)[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

9 孫明;孫紅;;智能交通系統(tǒng)中車(chē)輛的圖像檢測(cè)方法研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

10 吳嶸;何培宇;徐自勵(lì);段文鋒;劉珂含;;一種去背景的車(chē)輛檢測(cè)與跟蹤快速算法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 記者 何雪峰;宿州簡(jiǎn)政放權(quán)助推縣域經(jīng)濟(jì)[N];安徽日?qǐng)?bào);2009年

2 記者 賈瑞芳;檢車(chē)進(jìn)企業(yè) 溫暖送到家[N];河北經(jīng)濟(jì)日?qǐng)?bào);2009年

3 鄭利平;湖州車(chē)輛檢測(cè)科研項(xiàng)目通過(guò)鑒定[N];中國(guó)交通報(bào);2004年

4 張廣明;運(yùn)用高新技術(shù)審驗(yàn)運(yùn)輸車(chē)輛[N];巴彥淖爾日?qǐng)?bào)(漢);2007年

5 張奇 李小潔;車(chē)輛檢測(cè)，為何招來(lái)怨聲一片[N];檢察日?qǐng)?bào);2002年

6 本報(bào)記者 侯莎莎;車(chē)輛年檢強(qiáng)制免費(fèi)換牌釘[N];北京日?qǐng)?bào);2012年

7 奚榮武　顧剛;昆山：1100萬(wàn)元加強(qiáng)卡口監(jiān)控[N];人民公安報(bào);2009年

8 見(jiàn)習(xí)記者 黃鵬飛;檢測(cè)要細(xì)之又細(xì)，事故要堅(jiān)決壓降[N];法治快報(bào);2006年

9 記者 楊耀青;車(chē)輛檢測(cè)更加公正透明[N];西安日?qǐng)?bào);2011年

10 張貴峰;車(chē)檢改革應(yīng)將交通部門(mén)納入其中[N];法制日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前8條

1 李博;基于層次性與或圖模型的車(chē)輛檢測(cè)與解析[D];北京理工大學(xué);2015年

2 劉培勛;車(chē)輛主動(dòng)安全中關(guān)于車(chē)輛檢測(cè)與跟蹤算法的若干研究[D];吉林大學(xué);2015年

3 張偉;基于視覺(jué)的運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤[D];上海交通大學(xué);2007年

4 徐琨;交通視頻監(jiān)控中的車(chē)輛檢測(cè)與跟蹤方法研究[D];長(zhǎng)安大學(xué);2009年

5 王曾敏;小波圖像融合算法及其在視頻車(chē)輛檢測(cè)系統(tǒng)中的應(yīng)用研究[D];天津大學(xué);2009年

6 許潔瓊;基于視頻圖像處理的車(chē)輛檢測(cè)與跟蹤方法研究[D];中國(guó)海洋大學(xué);2012年

7 嚴(yán)捷豐;交通視頻監(jiān)控中的車(chē)輛檢測(cè)與分割方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

8 李衛(wèi)江;基于線陣CCD成像交通信息采集和檢測(cè)技術(shù)的研究[D];長(zhǎng)安大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 何志強(qiáng);基于地磁的無(wú)線車(chē)輛檢測(cè)系統(tǒng)研究[D];華南理工大學(xué);2015年

2 王齊;車(chē)輛檢測(cè)與樣本采集系統(tǒng)的研究與設(shè)計(jì)[D];延邊大學(xué);2015年

3 馬蓓蓓;基于HOG特征的車(chē)輛檢測(cè)技術(shù)研究[D];華南理工大學(xué);2015年

4 張雙;基于嵌入式技術(shù)的物流跟蹤及車(chē)輛檢測(cè)系統(tǒng)設(shè)計(jì)[D];昆明理工大學(xué);2015年

5 郭敏;基于高速公路大貨車(chē)違法占道監(jiān)測(cè)系統(tǒng)的車(chē)輛檢測(cè)與跟蹤研究[D];西南交通大學(xué);2015年

6 馮樂(lè);基于AMR傳感器的車(chē)輛信息采集系統(tǒng)[D];天津理工大學(xué);2015年

7 張驍;基于3D空間多部件模型的車(chē)輛檢測(cè)方法研究[D];長(zhǎng)安大學(xué);2015年

8 趙倩倩;基于目標(biāo)特征點(diǎn)跟蹤與聚類(lèi)的車(chē)輛檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2015年

9 田蘇慧敏;基于視頻圖像處理的車(chē)輛檢測(cè)與車(chē)流量統(tǒng)計(jì)平臺(tái)的設(shè)計(jì)實(shí)現(xiàn)[D];寧夏大學(xué);2015年

10 王成坤;混合交通流兩輪車(chē)輛的視頻檢測(cè)研究[D];江西理工大學(xué);2014年

，

本文編號(hào)：2065552