基于视频的车辆检测算法的研究

发布时间：2022-11-05 15:48

　　最近几年我国经济飞速发展,汽车使用量在逐年增加。随之而来道路交通状况是每况愈下,交通拥堵的问题普遍存在,给人们的生活和出行造成了很多的不便,交通事故也经常发生,因此交通问题成为了世界上各个国家关注的焦点。目前解决交通问题的主要途径有两种:一种是加快完善城市交通体系,如拓宽道路,修建高架桥。这些方式都可以达到缓解交通堵塞的问题,但是,这些方式在一定程度上都需要投入大量的人力、物力以及财力,显然不是理想的解决方案。为了从根本上解决交通问题,另一种方式是将现有的科学技术,如计算机技术、图像处理技术、信息通信技术以及模式识别技术应用于日趋严峻的交通问题中。因此,智能交通系统（Intelligent Transportation System,简称ITS）应运而生。随着科技的进步,智能化的应用也越来越普遍。视频中的车辆检测技术就是应用在交通领域的一个很好的里例子。通过车辆检测技术得到的各种各样的交通数据对交通的监控和管理具有很重要的参考价值。本文针对视频中的车辆侦测展开了深入的研究和分析。本文的主要研究分为:车辆图像特征抽取、车辆分类模型的训练、视频中感兴趣区域提取、视频中车辆检测以及实验结论分... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 车辆检测发展历史及现状
    1.3 本文研究内容及章节安排
第2章 基于视频的运动目标分割
    2.1 帧间差分法
        2.1.1 基本原理
        2.1.2 二帧差分法
        2.1.3 三帧差分法
        2.1.4 二针和三帧之间的对比
        2.1.5 基于帧间差分法的运动目标分割
    2.2 背景消减法
        2.2.1 平均过滤器
        2.2.2 滑动高斯平均
        2.2.3 基于背景消减法的运动目标检测
    2.3 光流法
        2.3.1 基本原理
        2.3.2 光流计算
        2.3.3 应用
        2.3.4 基于光流法的运动目标分割
    2.4 高斯混合模型
        2.4.1 基本原理
        2.4.2 计算过程
        2.4.3 基于高斯混合模型的运动目标分割
    2.5 本章小结
第3章 车辆图像特征提取
    3.1 基于SIFT的车辆特征提取
        3.1.1 SIFT算法
        3.1.2 K-Means算法
        3.1.3 Bag-of-Words算法
        3.1.4 构建车辆特征
    3.2 基于SURF的车辆特征提取
        3.2.1 SURF算法
        3.2.2 K-Means算法
        3.2.3 Bag-of-Words算法
        3.2.4 构建车辆特征
    3.3 基于HOG的车辆特征提取
        3.3.1 基本原理
        3.3.2 算法实现
    3.4 本章小结
第4章 基于SVM算法的车辆分类模型
    4.1 SVM算法
        4.1.1 线性可分支持向量机
        4.1.2 线性近似可分支持向量机
        4.1.3 非线性支持向量机
    4.2 车辆分类器训练
        4.2.1 样本采集
        4.2.2 样本预处理
        4.2.3 样本标记
        4.2.4 特征提取
        4.2.5 训练模型
    4.3 模型比较
    4.4 本章小结
第5章 视频流中的车辆检测
    5.1 车辆检测流程
    5.2 获取感兴趣区域
    5.3 车辆检测
    5.4 本章小结
第6章 结论与展望
    6.1 总结
    6.2 展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3702887