本文關(guān)鍵詞：運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤算法的研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：交通監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是智能交通系統(tǒng)的研究課題之一。根據(jù)交通監(jiān)控視頻提供的道路車(chē)輛的運(yùn)動(dòng)情況的處理與分析,實(shí)時(shí)的獲取車(chē)輛運(yùn)動(dòng)速度、流量、道路通行能力等交通參數(shù)。由于實(shí)際的道路交通中運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤的準(zhǔn)確性受環(huán)境影響較大,場(chǎng)景光照變化、自身尺度變化等因素都會(huì)影響到運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤的準(zhǔn)確性。因此對(duì)運(yùn)動(dòng)車(chē)輛的檢測(cè)和跟蹤的準(zhǔn)確性直接影響到監(jiān)控視頻中道路車(chē)輛運(yùn)動(dòng)情況的處理和分析結(jié)果是否準(zhǔn)確。本文分別對(duì)視頻序列中的運(yùn)動(dòng)車(chē)輛檢測(cè)算法和視頻序列中的運(yùn)動(dòng)車(chē)輛跟蹤算法進(jìn)行研究與實(shí)驗(yàn),結(jié)合ViBe算法和幀間差分法的特點(diǎn),利用粒子濾波不受系統(tǒng)模型和噪聲分布的限制的優(yōu)點(diǎn),對(duì)運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤算法做出了改進(jìn)。論文主要開(kāi)展的研究工作：1、本文對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)中常用的算法進(jìn)行研究,分析這些方法的工作原理以及應(yīng)用范圍等。針對(duì)ViBe算法中易出現(xiàn)的“鬼影”現(xiàn)象做出了改進(jìn)。本文結(jié)合幀間差分法能夠快速消除“鬼影”的特點(diǎn),將擴(kuò)展鄰域的ViBe算法進(jìn)行了改進(jìn),提高了檢測(cè)的效率,降低了誤檢率,從實(shí)驗(yàn)結(jié)果上看能夠獲得更好的檢測(cè)效果。2、本文對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤算法進(jìn)行分類(lèi)以及對(duì)比其優(yōu)缺點(diǎn),詳細(xì)介紹了粒子濾波算法的基本原理和具體工作流程。在粒子濾波算法的基礎(chǔ)上對(duì)運(yùn)動(dòng)車(chē)輛被遮擋后易發(fā)生跟蹤偏移的現(xiàn)象做出了改進(jìn)。本文采用將跟蹤窗口劃分為均等的子窗口,再利用顏色直方圖距離進(jìn)行遮擋判斷,并從跟蹤效果上與傳統(tǒng)的粒子濾波算法、Mean-Shift算法等進(jìn)行比較,實(shí)驗(yàn)效果表明該算法的準(zhǔn)確性有明顯的提高。3、本文利用運(yùn)動(dòng)目標(biāo)的檢測(cè)算法和跟蹤算法對(duì)交通視頻序列中的車(chē)輛進(jìn)行檢測(cè),通過(guò)與實(shí)際數(shù)量以及其他交通視頻中運(yùn)動(dòng)車(chē)輛的檢測(cè)與跟蹤方法所得得到的結(jié)果進(jìn)行對(duì)比,分析本文方法的優(yōu)點(diǎn)與不足。
【關(guān)鍵詞】：目標(biāo)檢測(cè) 目標(biāo)跟蹤 ViBe 粒子濾波 顏色直方圖
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 論文的研究背景及意義10-12
• 1.2 國(guó)內(nèi)外相關(guān)領(lǐng)域發(fā)展現(xiàn)狀12-16
• 1.2.1 目標(biāo)檢測(cè)研究現(xiàn)狀12-14
• 1.2.2 目標(biāo)跟蹤研究現(xiàn)狀14-16
• 1.3 運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤的關(guān)鍵問(wèn)題16
• 1.4 論文的主要工作和結(jié)構(gòu)安排16-18
• 第2章 目標(biāo)檢測(cè)算法理論18-36
• 2.1 目標(biāo)檢測(cè)算法介紹18-29
• 2.1.1 幀間差分法基本原理18-20
• 2.1.2 光流法基本原理20-21
• 2.1.3 背景建模法介紹21-25
• 2.1.4 基于ESS-ViBe的目標(biāo)檢測(cè)算法25-29
• 2.2 視頻序列中運(yùn)動(dòng)車(chē)輛定位實(shí)驗(yàn)與分析29-35
• 2.3 本章小結(jié)35-36
• 第3章 基于多窗口和顏色直方圖的粒子濾波目標(biāo)跟蹤算法36-57
• 3.1 貝葉斯濾波37-39
• 3.1.1 貝葉斯濾波原理37-38
• 3.1.2 卡爾曼濾波38-39
• 3.2 粒子濾波理論39-46
• 3.2.1 蒙特卡羅方法39-41
• 3.2.2 重要性采樣41-43
• 3.2.3 序列重要性采樣43-44
• 3.2.4 重采樣44-46
• 3.3 基于多窗口和顏色直方圖的粒子濾波目標(biāo)跟蹤算法46-56
• 3.3.1 顏色特征46-47
• 3.3.2 多窗口顏色直方圖遮擋判定算法介紹47-52
• 3.3.3 基于多窗口和顏色直方圖的粒子濾波目標(biāo)跟蹤算法52-54
• 3.3.4 實(shí)驗(yàn)結(jié)果與分析54-56
• 3.4 本章小結(jié)56-57
• 第4章 運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤算法實(shí)現(xiàn)57-65
• 4.1 運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤算法流程介紹58-61
• 4.2 實(shí)驗(yàn)結(jié)果與分析61-64
• 4.3 本章小結(jié)64-65
• 第5章 結(jié)論與展望65-67
• 5.1 本文工作總結(jié)65-66
• 5.2 對(duì)未來(lái)工作的展望66-67
• 參考文獻(xiàn)67-72
• 致謝72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2009年02期

2 駱雯,孫延明,陳振威,陳錦昌;判斷點(diǎn)與封閉多邊形相對(duì)關(guān)系的改進(jìn)算法[J];機(jī)械;1999年03期

3 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報(bào);2008年02期

4 劉巧玲;張紅英;林茂松;;一種簡(jiǎn)單快速的圖像去霧算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年07期

5 林亞平,楊小林;快速概率分析進(jìn)化算法及其性能研究[J];電子學(xué)報(bào);2001年02期

6 章郡鋒;吳曉紅;黃曉強(qiáng);何小海;;基于暗原色先驗(yàn)去霧的改進(jìn)算法[J];電視技術(shù);2013年23期

7 楊鐵軍;靳婷;;一種動(dòng)態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

8 周秀玲;郭平;陳寶維;王靜;;幾種計(jì)算超體積算法的比較研究[J];計(jì)算機(jī)工程;2011年03期

9 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實(shí)現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

10 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強(qiáng)算法[A];四川省通信學(xué)會(huì)一九九二年學(xué)術(shù)年會(huì)論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計(jì)算機(jī)輔助增強(qiáng)、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價(jià)值[A];中華醫(yī)學(xué)會(huì)第十次全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2009年

3 謝麗聰;;SVB查詢(xún)改寫(xiě)算法的改進(jìn)[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實(shí)現(xiàn)[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機(jī)器人設(shè)計(jì)[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對(duì)稱(chēng)分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測(cè)算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵(lì)金祥;;基于棱邊方向檢測(cè)的運(yùn)動(dòng)自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 國(guó)泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報(bào);2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計(jì)算環(huán)境下海量數(shù)據(jù)的并行聚類(lèi)算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類(lèi)型識(shí)別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類(lèi)算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時(shí)間表問(wèn)題的啟發(fā)式進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測(cè)與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識(shí)別方法和智能建模研究[D];江南大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計(jì)中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進(jìn);面向含噪數(shù)據(jù)聚類(lèi)相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動(dòng)分割算法[D];華南理工大學(xué);2015年

4 陳堅(jiān);基于密度和約束的數(shù)據(jù)流聚類(lèi)算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺(tái)的去霧算法研究及實(shí)現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類(lèi)算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺(tái)的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類(lèi)算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進(jìn)與應(yīng)用[D];大連海事大學(xué);2015年

  本文關(guān)鍵詞：運(yùn)動(dòng)車(chē)輛檢測(cè)與跟蹤算法的研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：324726