車輛信息的視頻提取方法及應(yīng)用研究.pdf

1、車輛識別和檢測是智能交通系統(tǒng)(Intelligent Transportation System, ITS)的基礎(chǔ)課題之一。其中車輛的視頻檢測技術(shù)是推進ITS發(fā)展的一個重要研究方向，在道路監(jiān)控和不停車收費系統(tǒng)等眾多方面有廣泛的應(yīng)用前景。但由于問題的復(fù)雜性，有關(guān)這方面的研究進展緩慢，有大量問題急需解決，車型識別是其中的關(guān)鍵技術(shù)之一。針對上述問題，本文從圖像分割技術(shù)、運動目標的檢測與提取、車型的視頻檢測與分析等方面開展了研究。 針

2、對車輛檢測對圖像分割技術(shù)的要求，從分割質(zhì)量及分割效率兩方面展開了深入細致的研究工作。利用二維圖像分割技術(shù)分割質(zhì)量高，但運算量較大，分割速度難以滿足實際應(yīng)用要求的特點，提出一種基于模式進化機制的二維圖像分割技術(shù)，明顯改善圖像的二維分割效率。算法通過引入優(yōu)良模式和植入算子，避免了傳統(tǒng)的遺傳算法容易陷入局部最優(yōu)的不足。在優(yōu)化時間上也較傳統(tǒng)遺傳算法有了顯著提高。 結(jié)合停車場環(huán)境特點，研究了運動車輛的背景差分檢測技術(shù)。采用自適應(yīng)背景更新方

3、法，并實驗比較選取了合適的更新系數(shù)，實現(xiàn)運動目標的背景差分檢測。 針對基于視頻的車型分類，提出了兩級分類車型提取方法。在提取車輛形狀分散度、頂篷比等目標特征的基礎(chǔ)上，實現(xiàn)車輛類型的歸類；利用車輪數(shù)、車軸距的檢測，準確確定車型?？紤]到車輪輪廓提取的實時性要求，改進了傳統(tǒng)Hough變換圓檢測方法，提出了基于連續(xù)曲線段的隨機Hough變換方法，減少了大量采樣無效累積。實驗驗證了所提算法的有效性。 最后利用上述研究方法，編寫了一