基于視覺(jué)的交通路口車輛智能檢測(cè)技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩134頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近年來(lái),隨著交通監(jiān)控和交通管理的智能化水平不斷提高,以視頻圖像處理、分析、理解為基礎(chǔ)的視頻監(jiān)控技術(shù)越來(lái)越多地引起人們的重視。其中,智能交通系統(tǒng)中的交通檢測(cè)與信息采集已經(jīng)成為計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用中的一項(xiàng)重要課題,而運(yùn)動(dòng)車輛的自動(dòng)檢測(cè)、分類、跟蹤與沖突檢測(cè)等則是其中最基礎(chǔ)的部分。本論文針對(duì)上述問(wèn)題進(jìn)行了探索和研究,提出了新的方法,并通過(guò)實(shí)驗(yàn)證明了方法的有效性。
  本文的主要研究?jī)?nèi)容和學(xué)術(shù)上的主要貢獻(xiàn)包含以下幾個(gè)方面:
  首先,

2、研究了運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題。在分析交通場(chǎng)景陰影特性的基礎(chǔ)上,提出了一種在馬爾科夫隨機(jī)場(chǎng)框架下的基于多特征信息融合的陰影檢測(cè)算法。首先,利用基于高斯混合模型的背景減法提取前景運(yùn)動(dòng)目標(biāo),并利用改進(jìn)的形態(tài)學(xué)濾波算法去除噪聲干擾。在陰影檢測(cè)過(guò)程中,綜合利用前景像素和對(duì)應(yīng)背景圖像像素間的顏色、邊界、紋理和時(shí)空一致性等特征信息來(lái)檢測(cè)陰影,將各種特征信息集成到馬爾可夫隨機(jī)場(chǎng)能量函數(shù)中,并利用圖割算法最小化馬爾科夫隨機(jī)場(chǎng)能量函數(shù),在有效去除陰影的基礎(chǔ)上得到

3、最終的前景目標(biāo)檢測(cè)結(jié)果。
  其次,研究了運(yùn)動(dòng)目標(biāo)分類問(wèn)題。針對(duì)目標(biāo)特征描述和分類器的選取兩個(gè)影響目標(biāo)分類精度的關(guān)鍵問(wèn)題,提出了一種基于核主成分分析的梯度方向直方圖特征算子,并構(gòu)建了基于二叉決策樹(shù)支持向量機(jī)的多類目標(biāo)分類器。其中,在目標(biāo)特征描述過(guò)程中,首先提取運(yùn)動(dòng)目標(biāo)的梯度方向直方圖,利用Mean-Shift聚類算法將特征向量聚類為若干個(gè)具有高度的內(nèi)在相似性的子集。然后,將其映射到一個(gè)高維特征空間,進(jìn)行線性主元分析,實(shí)現(xiàn)對(duì)目標(biāo)特征

4、的有效描述。在此基礎(chǔ)上,利用構(gòu)建的基于二叉決策樹(shù)支持向量機(jī)分類器實(shí)現(xiàn)對(duì)場(chǎng)景中多類目標(biāo)的準(zhǔn)確分類。
  另外,為了實(shí)現(xiàn)對(duì)具有非線性、非高斯、多模態(tài)等運(yùn)動(dòng)特征的準(zhǔn)確目標(biāo)跟蹤,提出了一種基于人工免疫算法的粒子濾波器。由于傳統(tǒng)的粒子濾波算法在運(yùn)算過(guò)程中會(huì)出現(xiàn)粒子退化現(xiàn)象,因此在重采樣過(guò)程中引入人工免疫算法,通過(guò)對(duì)粒子的克隆選擇使粒子樣本集合保持一定的多樣性,有效地避免了粒子的退化現(xiàn)象。針對(duì)復(fù)雜背景下視頻目標(biāo)跟蹤的實(shí)時(shí)性和可靠性問(wèn)題,設(shè)計(jì)了

5、一種基于顏色特征和邊緣梯度特征的自適應(yīng)融合目標(biāo)跟蹤算法。在目標(biāo)跟蹤過(guò)程中,為了適應(yīng)跟蹤過(guò)程中目標(biāo)與背景的變化,同時(shí)為了提高目標(biāo)跟蹤的魯棒性,本文綜合利用上述兩種特征共同構(gòu)建粒子濾波器的觀測(cè)概率分布。
  準(zhǔn)確的交通沖突檢測(cè)結(jié)果是實(shí)現(xiàn)基于交通沖突技術(shù)的交叉口安全評(píng)價(jià)的前提。在完成軌跡聚類和沖突預(yù)測(cè)的基礎(chǔ)上,提出了一種基于臨界安全區(qū)域的交通沖突判別方法。首先,利用Mean-Shift算法對(duì)運(yùn)動(dòng)目標(biāo)的初始軌跡集合進(jìn)行聚類,得到若干個(gè)能夠

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論