本文關(guān)鍵詞：基于嵌入式平臺(tái)的交通視頻監(jiān)控算法的設(shè)計(jì)與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：道路運(yùn)輸作為重要的地面運(yùn)輸方式,在國民生產(chǎn)生活中發(fā)揮著重要的作用。汽車數(shù)量的不斷增長,伴隨而來的道路擁堵情況也越來越嚴(yán)重,傳統(tǒng)的交通運(yùn)輸系統(tǒng)已難易適應(yīng)當(dāng)前社會(huì)的發(fā)展。應(yīng)運(yùn)而生的智能交通系統(tǒng)用先進(jìn)的科學(xué)技術(shù)對交通系統(tǒng)進(jìn)行改造,以期能夠增強(qiáng)運(yùn)輸系統(tǒng)各個(gè)方面的功能,降低資源的消耗。近年來,隨著計(jì)算機(jī)科學(xué)的發(fā)展,基于視頻的交通信息提取系統(tǒng)逐漸成為該領(lǐng)域里熱門的研究方向。本文研究了一種基于嵌入式平臺(tái)的視頻交通監(jiān)控系統(tǒng)并設(shè)計(jì)實(shí)現(xiàn)了一套用于該系統(tǒng)的軟件方法,軟件包含車流量統(tǒng)計(jì)和車牌識(shí)別兩項(xiàng)主要功能。系統(tǒng)通過分析處理攝像機(jī)拍攝到監(jiān)控現(xiàn)場的視頻圖像,識(shí)別出監(jiān)控場景中的車輛,同時(shí)定位出車輛的車牌并把車牌圖像保存起來。對于保存的圖像,系統(tǒng)還會(huì)逐一進(jìn)行車牌號(hào)的識(shí)別。處理完成后的數(shù)據(jù)將通過網(wǎng)絡(luò)上傳到后端的服務(wù)器上為了實(shí)現(xiàn)車輛量統(tǒng)計(jì)和車牌定位,選取了著名的Viola-Jones目標(biāo)檢測框架。該方法在車速較慢甚至靜止時(shí)檢測效果優(yōu)于基于運(yùn)動(dòng)目標(biāo)分割的方法,缺點(diǎn)是需要在線下進(jìn)行訓(xùn)練,且被檢測目標(biāo)的類內(nèi)差別不宜過大。車牌識(shí)別基于卷積神經(jīng)網(wǎng)絡(luò),這種方法是目前深度學(xué)習(xí)方法中的較熱門的方向。該方法相對于傳統(tǒng)的模板匹配或者基于結(jié)構(gòu)的識(shí)別方法具有識(shí)別更加準(zhǔn)確,對噪音和變形的魯棒性高的優(yōu)點(diǎn),缺點(diǎn)是工作時(shí)計(jì)算量大,而且也需要在線下進(jìn)行訓(xùn)練。對于Viola-Jones目標(biāo)檢測框架和卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,本文使用了基于背景建模的運(yùn)動(dòng)目標(biāo)分割來收集車輛樣本,使用彈性形變來擴(kuò)充字符樣本。在文中的相應(yīng)部分有這兩種方法的具體介紹。本文研究的系統(tǒng)基于嵌入式硬件平臺(tái),在實(shí)驗(yàn)部分,除了羅列實(shí)驗(yàn)結(jié)果,同時(shí)還交待了部分針對嵌入式平臺(tái)而對程序進(jìn)行的一些調(diào)整。實(shí)驗(yàn)結(jié)果表明,本文使用的方法車牌識(shí)別率高,能夠?qū)崟r(shí)地統(tǒng)計(jì)車流量。
【關(guān)鍵詞】：車流量 車牌識(shí)別 卷積神經(jīng)網(wǎng)絡(luò) AdaBoost
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;TN948.6

  本文關(guān)鍵詞：基于嵌入式平臺(tái)的交通視頻監(jiān)控算法的設(shè)計(jì)與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：313120