基于视频的车辆检测算法的研究

《基于视频的车辆检测算法的研究》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、基于视频的车辆检测算法的研究TheResearchontheAlgorithmofVideo-BasedVehicleDetection工程领域：软件工程作者姓名：景逸飞指导教师：金声教授企业导师：朱大平天津大学软件学院二零一七年十一月万方数据万方数据万方数据万方数据摘要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，

2、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（IntelligentTransportationSystem，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

3、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析五大部分。在车辆图像特征提取部分提取了三种不同的车辆图像特征，基于尺度不变特征变换算法和词袋模型构建的图像特征、基于加速稳健特征算法和词袋模型构建的图像特征以及基于方向梯度直方图算法构建的图像特征；在车辆分类模型训练部分使用SVM分类器训练车辆分类模型，在模型训练阶段尝试了不同的方法来改进模型的性能，进一步增加车辆分类模型的鲁棒性；在获取视频中感兴趣区域时使用了多种不同的运动目标分割方法并通过实验做了对比工作，选出了适用于本实验的目标分割方法；在视频中车辆检测部分将训练好的车辆分类模型应用于从视频中提取出的感兴趣区域，将识别

4、为车辆的感兴趣区域用矩形框做标记；在本文的最后一部分对实验结果进行了讨论，给出了本文所提方法的优点和不足，并提出了一些相应的改进策略。关键词：车辆检测，SIFT，SURF，HOG，帧差法，支持向量机I万方数据II万方数据ABSTRACTWiththerapiddevelopmentofeconomy,people'slivingstandardsareconstantlyimproving,theuseofglobalcarsisalsogrowingfast.Howeverthetrafficsituationisgettingworseandtheproblemoftrafficconge

5、stionhasbecomeacommonphenomenon,thoseissueshascausedalotoftroubletopeople'slifeandtravel.Trafficaccidentsarealsofrequent.Sothetrafficproblemhasbecomethefocusofattentionofallaroundtheworld.Now,therearetwomainwaystosolvethetrafficproblem,oneistoacceleratetheimprovementoftheurbantransportsystem,forexam

6、plewidenroadsandbuildviaducts.Thesemethodscanalleviatethetrafficjambuttheyneedtoinvestalotofmanpower,materialresourcesandfinancialresources.Obviouslynottheidealsolution.Inordertocompletelysolvethetrafficproblem,anotheristoapplyscienceandtechnology,suchascomputertechnology,imageprocessingtechnology,i

7、nformationandcommunicationtechnologyandpatternrecognitiontechnology,totheincreasinglyserioustrafficproblems.Therefore,theIntelligentTransportationSystemcomesintobeing.Vehicledetectionasakeycomponentof