基于邊緣提升高斯卡爾曼模型與決策樹貝葉斯的運(yùn)動車輛檢測與識別.pdf

1、在ITS領(lǐng)域中,運(yùn)動目標(biāo)檢測、車型辨識等問題一直都是研究熱點(diǎn)和重點(diǎn)。由于自身的特點(diǎn)和優(yōu)勢,圖像處理與模式識別被廣泛地應(yīng)用到智能交通領(lǐng)域中。本文結(jié)合長江二橋安全監(jiān)控項(xiàng)目,基于圖像分析、模式識別等方法,對交通場景下檢測運(yùn)動目標(biāo)和識別目標(biāo)類別的課題深入進(jìn)行研究探討,主要內(nèi)容包括運(yùn)動車輛檢測、車型識別這2個(gè)方面。
　　本文首先對運(yùn)動目標(biāo)的檢測問題以及如何采用簡化高斯模型背景差方法進(jìn)行目標(biāo)檢測的問題進(jìn)行了論述。針對簡化高斯模型的不足,如何檢

2、測與背景相似的運(yùn)動車輛的問題,本文提出了利用簡化高斯模型結(jié)合邊緣輪廓來確定與背景相似的運(yùn)動目標(biāo),復(fù)原其可能的缺失輪廓區(qū)域的算法。實(shí)驗(yàn)結(jié)果證明,本文提出的運(yùn)動車輛檢測方法能夠較好地檢測與背景相似的運(yùn)動目標(biāo)。
　　本文將貝葉斯算法具體應(yīng)用到車型初步分類,提出了基于決策樹貝葉斯的車型初步的識別方法。通過選取大小、形狀、邊緣特征等相應(yīng)的車型特征,訓(xùn)練樣本并求取各個(gè)特征屬性在分類中的各類車型上的貝葉斯參數(shù)即均值方差,然后根據(jù)決策樹貝葉斯分類