基于視頻的高速公路車(chē)輛檢測(cè)與跟蹤在智能交通系統(tǒng)中有著至關(guān)重要的作用。車(chē)輛的檢測(cè)與跟蹤是對(duì)視頻中的運(yùn)動(dòng)車(chē)輛進(jìn)行識(shí)別、提取,然后對(duì)車(chē)輛的運(yùn)動(dòng)軌跡進(jìn)行跟蹤。研究更好的檢測(cè)與跟蹤算法,既能提高檢測(cè)的效率與準(zhǔn)確率,也能提高視頻分析效率,還能為后續(xù)研究做準(zhǔn)備。本文首先對(duì)實(shí)驗(yàn)環(huán)境進(jìn)行了詳細(xì)的介紹,通過(guò)已有的高速公路視頻提取幀,為運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤做好準(zhǔn)備。在對(duì)運(yùn)動(dòng)車(chē)輛檢測(cè)算法進(jìn)行分析研究的基礎(chǔ)上,論文重點(diǎn)研究了幀差法、背景差法,通過(guò)幀差法與背景差法相結(jié)合的方法,幀差法可以彌補(bǔ)背景差法對(duì)光照強(qiáng)度變化敏感的缺點(diǎn),也不會(huì)對(duì)陰影問(wèn)題造成多大影響,背景差法則可以彌補(bǔ)幀差法不能完整的提取出目標(biāo)圖像相關(guān)點(diǎn)的問(wèn)題,對(duì)背景進(jìn)行動(dòng)態(tài)更新,從而實(shí)現(xiàn)多鄰近幀融合的彩色靜態(tài)背景提取。對(duì)于跟路面顏色相似的車(chē)輛提取不完整問(wèn)題,通過(guò)區(qū)域增長(zhǎng)實(shí)現(xiàn)車(chē)輛的完整分割檢測(cè)。由于車(chē)輛本身的陰影會(huì)影響到實(shí)驗(yàn)結(jié)果,本文對(duì)車(chē)輛自身陰影進(jìn)行了陰影消除;根據(jù)陰影與路面相比灰度差值不大、車(chē)輛區(qū)域紋理遠(yuǎn)比陰影區(qū)域豐富、車(chē)輛區(qū)域梯度值也遠(yuǎn)大于陰影區(qū)域的特點(diǎn),可通過(guò)多尺度小波變換實(shí)現(xiàn)陰影的去除。在對(duì)運(yùn)動(dòng)車(chē)輛跟蹤算法進(jìn)行分類(lèi)研究后,對(duì)于車(chē)輛的跟蹤算法,本文采用的...

【文章頁(yè)數(shù)】：51 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 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)研究現(xiàn)狀
        1.2.2 運(yùn)動(dòng)目標(biāo)跟蹤研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容及論文結(jié)構(gòu)安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 結(jié)構(gòu)組織
第2章 基于OpenCV的視頻顯示與幀獲取
    2.1 OpenCV簡(jiǎn)介
        2.1.1 為OpenCV配置系統(tǒng)環(huán)境變量
        2.1.2 配置OpenCV環(huán)境
    2.2 從視頻文件中提取幀
        2.2.1 建立操作界面
        2.2.2 打開(kāi)視頻文件并抓取幀
第3章 運(yùn)動(dòng)車(chē)輛檢測(cè)
    3.1 靜態(tài)背景獲取
        3.1.1 幀間差分法:
        3.1.2 背景差分法:
        3.1.3 動(dòng)態(tài)背景更新:
        3.1.4 車(chē)輛分割
    3.2 區(qū)域增長(zhǎng)算法
    3.3 陰影去除及非車(chē)輛排除
第4章 運(yùn)動(dòng)車(chē)輛跟蹤
    4.1 目標(biāo)跟蹤方法概述
    4.2 基于小波變換的目標(biāo)奇異點(diǎn)的定位
        4.2.1 小波變換
        4.2.2 車(chē)輛長(zhǎng)度定位
        4.2.3 車(chē)頭定位
    4.3 目標(biāo)奇異點(diǎn)的跟蹤
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 不足之處
    5.3 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：4048240