最近幾年我國(guó)經(jīng)濟(jì)飛速發(fā)展,汽車(chē)使用量在逐年增加。隨之而來(lái)道路交通狀況是每況愈下,交通擁堵的問(wèn)題普遍存在,給人們的生活和出行造成了很多的不便,交通事故也經(jīng)常發(fā)生,因此交通問(wèn)題成為了世界上各個(gè)國(guó)家關(guān)注的焦點(diǎn)。目前解決交通問(wèn)題的主要途徑有兩種:一種是加快完善城市交通體系,如拓寬道路,修建高架橋。這些方式都可以達(dá)到緩解交通堵塞的問(wèn)題,但是,這些方式在一定程度上都需要投入大量的人力、物力以及財(cái)力,顯然不是理想的解決方案。為了從根本上解決交通問(wèn)題,另一種方式是將現(xiàn)有的科學(xué)技術(shù),如計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、信息通信技術(shù)以及模式識(shí)別技術(shù)應(yīng)用于日趨嚴(yán)峻的交通問(wèn)題中。因此,智能交通系統(tǒng)（Intelligent Transportation System,簡(jiǎn)稱(chēng)ITS）應(yīng)運(yùn)而生。隨著科技的進(jìn)步,智能化的應(yīng)用也越來(lái)越普遍。視頻中的車(chē)輛檢測(cè)技術(shù)就是應(yīng)用在交通領(lǐng)域的一個(gè)很好的里例子。通過(guò)車(chē)輛檢測(cè)技術(shù)得到的各種各樣的交通數(shù)據(jù)對(duì)交通的監(jiān)控和管理具有很重要的參考價(jià)值。本文針對(duì)視頻中的車(chē)輛偵測(cè)展開(kāi)了深入的研究和分析。本文的主要研究分為:車(chē)輛圖像特征抽取、車(chē)輛分類(lèi)模型的訓(xùn)練、視頻中感興趣區(qū)域提取、視頻中車(chē)輛檢測(cè)以及實(shí)驗(yàn)結(jié)論分... 

【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1章 緒論
    1.1 研究背景及意義
    1.2 車(chē)輛檢測(cè)發(fā)展歷史及現(xiàn)狀
    1.3 本文研究?jī)?nèi)容及章節(jié)安排
第2章 基于視頻的運(yùn)動(dòng)目標(biāo)分割
    2.1 幀間差分法
        2.1.1 基本原理
        2.1.2 二幀差分法
        2.1.3 三幀差分法
        2.1.4 二針和三幀之間的對(duì)比
        2.1.5 基于幀間差分法的運(yùn)動(dòng)目標(biāo)分割
    2.2 背景消減法
        2.2.1 平均過(guò)濾器
        2.2.2 滑動(dòng)高斯平均
        2.2.3 基于背景消減法的運(yùn)動(dòng)目標(biāo)檢測(cè)
    2.3 光流法
        2.3.1 基本原理
        2.3.2 光流計(jì)算
        2.3.3 應(yīng)用
        2.3.4 基于光流法的運(yùn)動(dòng)目標(biāo)分割
    2.4 高斯混合模型
        2.4.1 基本原理
        2.4.2 計(jì)算過(guò)程
        2.4.3 基于高斯混合模型的運(yùn)動(dòng)目標(biāo)分割
    2.5 本章小結(jié)
第3章 車(chē)輛圖像特征提取
    3.1 基于SIFT的車(chē)輛特征提取
        3.1.1 SIFT算法
        3.1.2 K-Means算法
        3.1.3 Bag-of-Words算法
        3.1.4 構(gòu)建車(chē)輛特征
    3.2 基于SURF的車(chē)輛特征提取
        3.2.1 SURF算法
        3.2.2 K-Means算法
        3.2.3 Bag-of-Words算法
        3.2.4 構(gòu)建車(chē)輛特征
    3.3 基于HOG的車(chē)輛特征提取
        3.3.1 基本原理
        3.3.2 算法實(shí)現(xiàn)
    3.4 本章小結(jié)
第4章 基于SVM算法的車(chē)輛分類(lèi)模型
    4.1 SVM算法
        4.1.1 線性可分支持向量機(jī)
        4.1.2 線性近似可分支持向量機(jī)
        4.1.3 非線性支持向量機(jī)
    4.2 車(chē)輛分類(lèi)器訓(xùn)練
        4.2.1 樣本采集
        4.2.2 樣本預(yù)處理
        4.2.3 樣本標(biāo)記
        4.2.4 特征提取
        4.2.5 訓(xùn)練模型
    4.3 模型比較
    4.4 本章小結(jié)
第5章 視頻流中的車(chē)輛檢測(cè)
    5.1 車(chē)輛檢測(cè)流程
    5.2 獲取感興趣區(qū)域
    5.3 車(chē)輛檢測(cè)
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝



本文編號(hào)：3702887