基于视频的车辆检测研究

《基于视频的车辆检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨1：程大学硕+学何论文摘要在智能交通系统中，对运动车辆实现无人监控是当今研究的热点问题，它涉及到计算机视觉、信息采集、视频图像处理等各方面的技术。运动车辆的有效检测和准确跟踪是现代智能交通研究的核心部分。本文对此问题进行了一些研究，给出了一种在自然道路背景下运动车辆自动检测与跟踪的方法，并开发了相应的软件系统，初步实现了运动车辆的自动跟踪。本文实现了基于帧差法的运动车辆的检测，并对图像的平滑处理、增强、边界检测、噪声去除等方面做了分析和研究。在连通区域上，提出一种新的多运动目标探测标记法，实现了公路交通中运动车辆的有效检测和提取。在车辆检测的基础上，本文采用匹配一修正一

2、预测的循环策略对车辆跟踪进行了研究。根据运动车辆在相邻两帧中移动距离不大，从而在图像中面积的变化也不大的特点，采用运动车辆的中心和面积两个参数在相邻图中进行匹配。利用卡尔曼滤波理论建立运动模型，通过车辆特征如中心位置和面积大小进行预测，预测得到的运动目标和当前帧中的目标进行匹配，寻找运动目标在图像序列中各帧中的对应关系，确定其运动轨迹，可以进一步得到车速、车流量等重要的交通参数。实验结果表明，减小了模板匹配的搜索区域，并降低误匹配的概率，能够对运动车辆进行有效跟踪。此外，由于该算法处理参数少，数据量小，能够实时跟踪到车辆在图像中的位置。本文设计并用VisualC++实现了基于

3、视频的运动目标检测实验系统，给出了系统的框架结构和实现步骤。最后还对影响交通检测精确度的因素进行了分析，并提出一些解决方案。关键词：车辆检测；kalman滤波；车辆跟踪；目标匹配哈尔滨T程大学硕十学位论文ABSTRACTMovingobjectiondetectionwithouthumaninterferencehasbeenahotissuewhichattractsmoreandmoreattentioninintelligenttransportation．Manysubjectssuchascomputervision，thecollectionofinformat

4、ionandtheoperationofvideoimagearerelatedtothisissue．Effectivedetectionandprecisetrackingofmovingvehiclearethehardcoreofintelligenttrafficresearch．Correspondingstudyisdonesystematicallyinthispaper．Takingthenaturalroadasthebackground，akindofmovingvehicleauto—detectingandauto-trackingmethodisa

5、dopted．Moreoverthesoftwaresystemisdesignedandimplemented．Amovingvehiclecanbeautomaticallytrackedelementarilybyusingthesoftwaresystem．Vehicledetectionbasedonbackgroundsubtractioniscompletedinthispaper．Analysisandresearcharedoneinimagesmoothing，enhancement，edgedetectionandnoiseelimination．Ane

6、wdetectinglabelingmethodisproposedinthepaperbyimprovingtheoldmethod．Finally，extensiveexperimentswereperformedtoevaluatetheperformancesoftheabove-mentionedmethods．Trackingthevehiclesthroughimagesequencesbytherepetitionofthe”matching—correction—prediction”strategyisadopted．Consideringmovingdi

7、stanceandareachangesofonevehicleinthetwoconsecutiveframesareslight，analgorithmtrackingofmovingvehiclesaredesigned．Twoparameters，centerandareaofmovingvehicles，wereusedtomatchinthemethod．ThemovingmodelofvehicleisestablishedfromKalmanfiltertechnique．Predict