本文關(guān)鍵詞：基于機器視覺的車輛檢測方法研究

  更多相關(guān)文章： 車輛檢測 聚合通道特征 可分離子聚類算法 最大池化分類器 車型識別

【摘要】：近年來隨著計算機視覺技術(shù)的快速發(fā)展,基于視覺的智能交通技術(shù)在生活中越來越被普遍的應(yīng)用。基于機器學(xué)習(xí)的車輛檢測是智能交通領(lǐng)域關(guān)鍵問題之一,也是目標(biāo)檢測領(lǐng)域的重要組成部分,車輛檢測的正確率對后續(xù)智能交通的研究具有重要影響。本文重點研究了單視角車輛檢測算法、多視角車輛檢測算法、車輛跟蹤算法、車型識別算法,主要內(nèi)容如下:第一,研究了聚合通道特征的提取方法,該特征不僅包含泛化的HOG通道特征,而且還包含顏色通道與梯度通道特征;探討了多視角下車輛檢測的特征選擇問題,對比了可分離子聚類算法與k-means和Latent SVM聚類算法的區(qū)別。第二,研究了基于軟級聯(lián)AdaBoost分類器的其它三種推廣模式,軟級聯(lián)RealAdaboost、軟級聯(lián)GentleAdaBoost、軟級聯(lián)ModestAda Boost對車輛檢測的影響。并且分析了三種分類器中參數(shù)對檢測性能的影響;將參數(shù)進行組合使用,提出了檢測效果更好的最大池化分類器。第三,探討了一種改進的最小化輸出均方誤差跟蹤算法,將該跟蹤算法運用于隔幀檢測,分析了隔幀數(shù)對檢測性能的影響。采用HOG、LBP、DSIFT特征來提取車輛的局部信息,結(jié)合隨機投影技術(shù)對高維空間中的特征進行降維;結(jié)合SVM針對不同的車型,將檢測出的車輛分為不同的類別,并與主流的識別技術(shù)進行了對比。第四,基于WinForm框架技術(shù)設(shè)計了一個完整的車輛檢測平臺,包括車輛圖片檢測、車輛視頻檢測、車型識別等功能。
【關(guān)鍵詞】：車輛檢測 聚合通道特征 可分離子聚類算法 最大池化分類器 車型識別
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495;TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-13
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 本文主要貢獻與創(chuàng)新11-12
• 1.4 本文結(jié)構(gòu)安排12-13
• 第二章 車輛檢測的特征選擇13-29
• 2.1 車輛檢測概述13-14
• 2.2 單視角下的車輛特征14-21
• 2.2.1 ACF特征14-16
• 2.2.2 ACF特征與HOG特征的區(qū)別16-17
• 2.2.3 ACF特征與ICF特征的區(qū)別17-19
• 2.2.4 不同通道組合對檢測性能的影響19-21
• 2.3 多視角下的車輛特征21-28
• 2.3.1 DSC聚類算法22-24
• 2.3.2 DSC聚類與k-means聚類的區(qū)別24-25
• 2.3.3 DSC聚類與Latent SVM聚類的區(qū)別25
• 2.3.4 實驗對比25-28
• 2.4 本章小結(jié)28-29
• 第三章 車輛檢測的分類器選擇29-44
• 3.1 軟級聯(lián)分類器29-36
• 3.1.1 軟級聯(lián)分類器的推廣30-33
• 3.1.2 分類實驗對比33-35
• 3.1.3 車輛檢測試驗對比35-36
• 3.2 參數(shù)對檢測器的影響36-43
• 3.2.1 權(quán)重更新對檢測器的影響37-39
• 3.2.2 改進后權(quán)重更新對檢測器的影響39-41
• 3.2.3 實驗對比41-43
• 3.3 本章小結(jié)43-44
• 第四章 車輛跟蹤與車型識別44-55
• 4.1 車輛跟蹤44-49
• 4.1.1 MOSSE跟蹤算法44-46
• 4.1.2 改進的MOSSE跟蹤算法46-47
• 4.1.3 隔幀數(shù)對檢測性能的影響47-49
• 4.2 車型識別49-54
• 4.2.1 多特征融合49-51
• 4.2.2 隨機投影51-52
• 4.2.3 實驗對比52-54
• 4.3 本章小結(jié)54-55
• 第五章 車輛檢測系統(tǒng)55-62
• 5.1 車輛檢測系統(tǒng)概述55-60
• 5.1.1 樣本處理及分類器訓(xùn)練56-57
• 5.1.2 快速特征金字塔57-59
• 5.1.3 檢測與跟蹤的交叉驗證59-60
• 5.2 基于C#的車輛檢測系統(tǒng)軟件設(shè)計60-61
• 5.3 本章小結(jié)61-62
• 第六章 總結(jié)與展望62-64
• 6.1 本文總結(jié)62-63
• 6.2 后續(xù)工作展望63-64
• 致謝64-65
• 參考文獻65-69
• 攻讀碩士學(xué)位期間取得的成果69-70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張文溥;;視頻車輛檢測技術(shù)及發(fā)展趨勢[J];中國人民公安大學(xué)學(xué)報(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)星影像車輛檢測研究進展[J];遙感技術(shù)與應(yīng)用;2012年01期

3 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年S2期

4 湯灝;張峰;;車輛檢測技術(shù)的選用[J];中國交通信息產(chǎn)業(yè);2004年03期

5 文學(xué)志;趙宏;王楠;袁淮;;基于知識和外觀方法相結(jié)合的后方車輛檢測[J];東北大學(xué)學(xué)報(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輛違章檢測算法[J];公路交通科技;2012年02期

7 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[J];合肥工業(yè)大學(xué)學(xué)報(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輛檢測和測距方法研究[J];機械設(shè)計與制造;2013年02期

9 郭磊;李克強;王建強;連小珉;;一種基于特征的車輛檢測方法[J];汽車工程;2006年11期

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

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

2 聞育;潘霓;;基于磁偏角的車輛檢測的研究[A];第二十七屆中國控制會議論文集[C];2008年

3 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[A];全國第22屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

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

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

6 鄒月嫻;王一言;關(guān)佩;楊華;陳維榮;;復(fù)雜視頻背景中的運動車輛檢測技術(shù)[A];第四屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

7 李舜酩;繆小冬;;視覺車輛檢測方法的研究進展及展望[A];2009全國虛擬儀器大會論文集（二）[C];2009年

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

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

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

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 何雪峰;宿州簡政放權(quán)助推縣域經(jīng)濟[N];安徽日報;2009年

2 記者 賈瑞芳;檢車進企業(yè) 溫暖送到家[N];河北經(jīng)濟日報;2009年

3 鄭利平;湖州車輛檢測科研項目通過鑒定[N];中國交通報;2004年

4 張廣明;運用高新技術(shù)審驗運輸車輛[N];巴彥淖爾日報(漢);2007年

5 張奇 李小潔;車輛檢測，為何招來怨聲一片[N];檢察日報;2002年

6 本報記者 侯莎莎;車輛年檢強制免費換牌釘[N];北京日報;2012年

7 奚榮武　顧剛;昆山：1100萬元加強卡口監(jiān)控[N];人民公安報;2009年

8 見習(xí)記者 黃鵬飛;檢測要細之又細，，事故要堅決壓降[N];法治快報;2006年

9 記者 楊耀青;車輛檢測更加公正透明[N];西安日報;2011年

10 張貴峰;車檢改革應(yīng)將交通部門納入其中[N];法制日報;2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

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

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

3 張偉;基于視覺的運動車輛檢測與跟蹤[D];上海交通大學(xué);2007年

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

5 王曾敏;小波圖像融合算法及其在視頻車輛檢測系統(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輛檢測與跟蹤方法研究[D];中國海洋大學(xué);2012年

7 嚴(yán)捷豐;交通視頻監(jiān)控中的車輛檢測與分割方法研究[D];中國科學(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技術(shù)的研究[D];長安大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王齊;車輛檢測與樣本采集系統(tǒng)的研究與設(shè)計[D];延邊大學(xué);2015年

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

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

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

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

6 張驍;基于3D空間多部件模型的車輛檢測方法研究[D];長安大學(xué);2015年

7 趙倩倩;基于目標(biāo)特征點跟蹤與聚類的車輛檢測算法研究[D];長安大學(xué);2015年

8 曹曉明;基于多圖像特征金字塔的車輛檢測[D];北京交通大學(xué);2016年

9 張璐;視頻車輛檢測與預(yù)警算法的研究與DSP實現(xiàn)[D];東北大學(xué);2014年

10 劉賽;基于形狀和表觀約束活動基模型的車輛檢測技術(shù)[D];北京理工大學(xué);2016年

本文編號：610034