隨著我國交通建設(shè)的發(fā)展,我國已經(jīng)具有全球最長里程的高速公路,也是隧道、橋梁建設(shè)最多的國家。隧道在給交通帶來便利的同時(shí)也對交通安全管理和照明控制系統(tǒng)提出了新的要求。為了解決隧道中存在的過度照明和無效照明,可采用“車近燈亮、車過燈滅”的照明控制系統(tǒng),即根據(jù)隧道是否有車通過等信息來隨時(shí)調(diào)節(jié)照明程度。該系統(tǒng)的基礎(chǔ),是首先要獲得隧道內(nèi)行駛車輛的相關(guān)信息。想要提取行駛車輛相關(guān)信息,就必須檢測和跟蹤到行駛中的車輛。隨著計(jì)算機(jī)視覺和圖像處理技術(shù)的發(fā)展,多目標(biāo)跟蹤技術(shù)在安全監(jiān)測、智能交通等方面都有著廣闊的前景和巨大的經(jīng)濟(jì)價(jià)值。在多目標(biāo)跟蹤技術(shù)中,多目標(biāo)相互遮擋和實(shí)時(shí)跟蹤問題已成為研究的熱點(diǎn)。作為非線性濾波方法的粒子濾波算法已被成功運(yùn)用到了目標(biāo)跟蹤問題中。本文重點(diǎn)研究隧道中基于粒子濾波的多運(yùn)動(dòng)車輛跟蹤技術(shù),主要為兩塊:運(yùn)動(dòng)目標(biāo)檢測,多運(yùn)動(dòng)車輛跟蹤。在運(yùn)動(dòng)目標(biāo)檢測模塊,利用改進(jìn)的碼本背景建模方法消除陰影對運(yùn)動(dòng)目標(biāo)檢測的影響,提高了檢測精確度。多運(yùn)動(dòng)車輛跟蹤方面,針對標(biāo)準(zhǔn)粒子濾波算法隨機(jī)采樣導(dǎo)致的粒子發(fā)散以及運(yùn)算量大的問題,本文基于目標(biāo)檢測區(qū)域來選定粒子采樣空間,獲取核函數(shù)加權(quán)顏色特征HSV直方圖的目標(biāo)模型。... 

【文章來源】：貴州大學(xué)貴州省 211工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

統(tǒng)計(jì)平均法獲取背景圖像

2.2.3 碼本背景建模方法標(biāo)準(zhǔn)碼本模型的原理是以幀為單位將圖像中的像素點(diǎn)建立碼本，進(jìn)行量化壓縮，記錄相關(guān)信息，采用更新碼本中的碼字來對變動(dòng)的背景進(jìn)行更新。碼本背景建模的背景減除法分為三個(gè)步驟：定義碼本結(jié)構(gòu)，提�。ㄓ�(xùn)練）碼本、背景減除。在訓(xùn)練階段，該算法允許場景中存在運(yùn)動(dòng)前景；該建模過程中不涉及浮點(diǎn)運(yùn)算，占用內(nèi)存少，計(jì)算量小，能保證較好的實(shí)時(shí)性，且碼本背景具有較好的前景分割性能。通過訓(xùn)練得到表征背景的碼本后，將下一幀輸入圖像像素與碼本作對比匹配。如果能發(fā)現(xiàn)匹配碼字，那么把此像素認(rèn)定為背景像素，否則確定為運(yùn)動(dòng)目標(biāo)像素。除此之外，為了處理場景的變化對背景模型的影響，使用緩存碼本 Cache來實(shí)現(xiàn)自適應(yīng)更新，提高背景模型的穩(wěn)定性。假設(shè)在 RGB 空間中的某個(gè)像素點(diǎn)，在不同時(shí)間點(diǎn)的觀測值的集合為X={x1,x2,...,xN}，假設(shè)該像素點(diǎn)對應(yīng)的碼本為 C=(c1,...cL)，L 代表其中的碼字個(gè)數(shù)，

消除冗余碼字更新背景是否為最后一幀結(jié)束YN模能夠得到效果較好的背景模型，在建模過程算，降低了計(jì)算量，僅需要很小的內(nèi)存即可完應(yīng)更新能力強(qiáng)。實(shí)驗(yàn)結(jié)果如圖 2-4 所示。本文。圖 2-3 碼本背景建模流程圖

【參考文獻(xiàn)】：
期刊論文
[1]Kinect相機(jī)的機(jī)器人視覺里程計(jì)[J]. 安峰,陳強(qiáng),查艷芳,陶文寅,劉輝.  單片機(jī)與嵌入式系統(tǒng)應(yīng)用. 2017(09)
[2]溫馨啟行——面向視頻物聯(lián)網(wǎng)的智能候車室服務(wù)系統(tǒng)[J]. 姜濤,吳振飛,蔡毅杰,邵寶東,梁瑞宇.  物聯(lián)網(wǎng)技術(shù). 2017(03)
[3]一種基于隨機(jī)碼本的運(yùn)動(dòng)目標(biāo)檢測算法[J]. 方浩,李艾華,王濤,蘇延召.  光電子·激光. 2014(11)
[4]自適應(yīng)隧道節(jié)能照明控制系統(tǒng)設(shè)計(jì)方案[J]. 李良榮,王在浩,李震,馬光喜.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(05)
[5]基于背景和幀間差分法的運(yùn)動(dòng)目標(biāo)提取[J]. 熊英.  計(jì)算機(jī)時(shí)代. 2014(03)
[6]視頻處理中的車輛檢測技術(shù)淺析[J]. 程高飛.  信息通信. 2014(01)
[7]基于視頻處理的運(yùn)動(dòng)車輛檢測算法的研究[J]. 張小建,徐慧.  液晶與顯示. 2012(01)

博士論文
[1]光測圖像目標(biāo)檢測跟蹤與判讀方法研究[D]. 郭鵬宇.國防科學(xué)技術(shù)大學(xué) 2015
[2]視頻中運(yùn)動(dòng)目標(biāo)陰影檢測研究[D]. 代江艷.東北師范大學(xué) 2014
[3]基于改進(jìn)粒子濾波算法的多目標(biāo)智能視頻跟蹤研究[D]. 韓華.東華大學(xué) 2012
[4]衛(wèi)星USB測控體制下信號(hào)特征參數(shù)的分析與識(shí)別[D]. 王樂.哈爾濱工業(yè)大學(xué) 2010
[5]視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測與跟蹤方法研究[D]. 徐治非.上海交通大學(xué) 2009

碩士論文
[1]基于多特征融合的粒子濾波跟蹤算法研究[D]. 劉同飛.蘭州理工大學(xué) 2017
[2]基于分層關(guān)聯(lián)的多目標(biāo)跟蹤算法研究[D]. 張晶.南京郵電大學(xué) 2016
[3]隧道交通狀況的大數(shù)據(jù)挖掘方法研究[D]. 盧倩.貴州大學(xué) 2016
[4]改進(jìn)快速粒子濾波算法的多目標(biāo)檢測與跟蹤系統(tǒng)設(shè)計(jì)[D]. 趙棟梁.重慶郵電大學(xué) 2016
[5]基于固定攝像頭的車流量檢測技術(shù)算法研究[D]. 梁艷磊.吉林大學(xué) 2015
[6]基于碼本學(xué)習(xí)的背景建模方法研究[D]. 秦志遠(yuǎn).電子科技大學(xué) 2015
[7]交通環(huán)境下的車輛檢測與跟蹤算法研究與實(shí)現(xiàn)[D]. 何文偉.電子科技大學(xué) 2015
[8]復(fù)雜場景多特征融合粒子濾波目標(biāo)跟蹤[D]. 劉婕.重慶理工大學(xué) 2015
[9]基于高點(diǎn)視頻的交通信息提取[D]. 高忠濤.上海交通大學(xué) 2015
[10]基于視頻的目標(biāo)跟蹤及人群密度估計(jì)方法研究[D]. 郄志安.上海交通大學(xué) 2015



本文編號(hào)：3253167