【摘要】：近年來,由于城市人口的不斷增加,機(jī)動車需求量呈上升趨勢增長,因此帶來了一系列交通問題,其中交通事故造成的影響尤為嚴(yán)重。交通事故的發(fā)生大多數(shù)是違章行車的后果,而傳統(tǒng)的交通技術(shù)在解決這一問題上效果不盡人意,因此智能交通系統(tǒng)被國內(nèi)外政府及科技人員關(guān)注,車輛違章行為檢測系統(tǒng)作為智能交通系統(tǒng)重要的一項(xiàng)技術(shù),具有研究的價值。本文研究的是基于視頻圖像處理的車輛違章行為檢測方法,重點(diǎn)研究的違章行為是違規(guī)停車問題。主要包括運(yùn)動目標(biāo)檢測、車輛識別和違章停車判斷三部分。在運(yùn)動目標(biāo)檢測部分,由于原始Vibe算法存在一系列問題:如鬼影問題造成的虛假目標(biāo)、檢測到的運(yùn)動目標(biāo)不完整以及光線帶來的陰影問題,提出了一種改進(jìn)的Vibe算法。該算法采用五幀差分進(jìn)行背景初始化,引入混合高斯模型進(jìn)行運(yùn)動目標(biāo)檢測,并在YCb Cr顏色空間消除陰影。通過實(shí)驗(yàn)結(jié)果可以看出,使用該算法可以較好地解決原始Vibe算法存在的問題。在車輛識別部分,本文使用多特征級聯(lián)分類器進(jìn)行車輛的識別,通過提取車輛的Haar-like特征和HOG特征,并使用Adaboost分類器進(jìn)行訓(xùn)練,根據(jù)實(shí)驗(yàn)數(shù)據(jù),可以得出該算法在車輛識別準(zhǔn)確率上達(dá)到了預(yù)期效果。在車輛違章停車部分,本文采用像素灰度值的變化來判斷是否違規(guī)。通過建立禁停區(qū)域,在禁停區(qū)域內(nèi)計(jì)算背景像素灰度值,通過判斷灰度值的變化來判斷是否違停。本文提出的基于視頻圖像處理的車輛違章行為檢測方法,通過實(shí)驗(yàn)結(jié)果可以表明,本文使用的算法在違章停車檢測中準(zhǔn)確率較高,能夠滿足交通管理部門實(shí)時檢測的要求,具有較強(qiáng)的可行性和實(shí)用性。
【學(xué)位授予單位】：西北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U495;TP391.41
【圖文】：

西北師范大學(xué)碩士學(xué)位論文第 2 章 數(shù)字圖像處理知識像數(shù)字化用計(jì)算機(jī)進(jìn)行視頻圖像處理時，需要將模擬視頻圖像轉(zhuǎn)換為數(shù)字視行分析處理。下面主要介紹圖像數(shù)字化中的兩大步驟：采樣和量化樣的基本思想是將連續(xù)圖像進(jìn)行空間的離散化。一般圖像都是用二維現(xiàn)的[6]，因此對圖像進(jìn)行采樣時，首先要把二維信息轉(zhuǎn)化為一維信2.1 為圖像采樣的示意圖，具體步驟如下：照由上到下的順序在垂直方向上按既定的間隔進(jìn)行直線掃描；到各水平行上灰度信息，從而獲得圖像每行的灰度值陣列；一維掃描線信號按照一定的時間間隔進(jìn)行采樣。

采樣的示意圖，具體步驟如下：下的順序在垂直方向上按既定的間隔進(jìn)行直線掃描；行上灰度信息，從而獲得圖像每行的灰度值陣列；線信號按照一定的時間間隔進(jìn)行采樣。圖 2.1 圖像采樣示意圖獲得的離散信號被稱為像素，將這些像素的灰度值中，圖片質(zhì)量的高低與量化的等級成正比。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙娜;袁家斌;徐晗;;智能交通系統(tǒng)綜述[J];計(jì)算機(jī)科學(xué);2014年11期

2 韓明;劉教民;孟軍英;王震洲;;一種自適應(yīng)調(diào)整K-r的混合高斯背景建模和目標(biāo)檢測算法[J];電子與信息學(xué)報;2014年08期

3 楊勇;孫明偉;金裕成;;一種改進(jìn)視覺背景提取(ViBe)算法的車輛檢測方法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2014年03期

4 陸化普;李瑞敏;;城市智能交通系統(tǒng)的發(fā)展現(xiàn)狀與趨勢[J];工程研究-跨學(xué)科視野中的工程;2014年01期

5 胡小冉;孫涵;;一種新的基于ViBe的運(yùn)動目標(biāo)檢測方法[J];計(jì)算機(jī)科學(xué);2014年02期

6 屠禮芬;仲思東;彭祺;;自然場景下運(yùn)動目標(biāo)檢測與陰影剔除方法[J];西安交通大學(xué)學(xué)報;2013年12期

7 王東柱;楊琪;;歐洲合作智能交通系統(tǒng)發(fā)展現(xiàn)狀及相關(guān)標(biāo)準(zhǔn)分析[J];公路交通科技;2013年09期

8 盧清華;吳志偉;范彥斌;張憲民;;基于混合高斯模型的運(yùn)動車輛檢測方法[J];光電子.激光;2013年04期

9 王彬;馮遠(yuǎn)靜;郭海峰;張貴軍;;交通場景中車輛的運(yùn)動檢測與陰影消除[J];中國圖象圖形學(xué)報;2012年11期

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

相關(guān)博士學(xué)位論文 前4條

1 許文韜;紋理圖像特征提取與分類研究[D];華東師范大學(xué);2017年

2 劉淑琴;圖像特征提取方法及其應(yīng)用研究[D];西北大學(xué);2016年

3 屈鑒銘;智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2015年

4 張超;基于支持向量機(jī)的汽輪機(jī)軸系振動故障智能診斷研究[D];華北電力大學(xué)（河北）;2009年

相關(guān)碩士學(xué)位論文 前9條

1 王娜;基于SVM算法的前方車輛視頻檢測[D];山東師范大學(xué);2016年

2 陳亞東;基于視頻的車輛違章行為檢測研究[D];安徽大學(xué);2015年

3 王彬;基于視頻的車流量檢測算法研究[D];西北師范大學(xué);2015年

4 郭艷;基于視頻圖像處理的車輛闖紅燈檢測方法研究[D];西北師范大學(xué);2015年

5 王翌清;車輛路口滯留違章自動取證系統(tǒng)關(guān)鍵技術(shù)研究及實(shí)現(xiàn)[D];上海交通大學(xué);2015年

6 高磊;基于光流的動態(tài)場景中運(yùn)動車輛檢測與跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

7 杜厚鵬;基于監(jiān)控視頻的運(yùn)動車輛檢測與違章分析[D];南京郵電大學(xué);2014年

8 趙書興;基于單目視覺的雙手手勢識別技術(shù)研究[D];南京師范大學(xué);2013年

9 馮新剛;支持向量機(jī)核函數(shù)選擇方法探討[D];江西理工大學(xué);2012年

本文編號：2714417