基于移動(dòng)智能終端的行車(chē)監(jiān)控系統(tǒng)研究與實(shí)現(xiàn).pdf

1、基于移動(dòng)智能終端的行車(chē)監(jiān)控系統(tǒng)研究與實(shí)現(xiàn)摘要隨著國(guó)家車(chē)輛保有量快速發(fā)展，城市交通問(wèn)題變得日益嚴(yán)峻，對(duì)交通監(jiān)控方面也提出了更高的要求。另一方面，隨著車(chē)載監(jiān)控技術(shù)的發(fā)展和移動(dòng)智能終端的普及，使得構(gòu)建一整基于移動(dòng)智能終端的車(chē)載監(jiān)控系統(tǒng)成為可能。其中，車(chē)輛識(shí)別作為車(chē)載視頻監(jiān)控系統(tǒng)的核心也是關(guān)鍵的難點(diǎn)，已經(jīng)吸引了國(guó)內(nèi)外學(xué)者從事相關(guān)的研究。目前主流的識(shí)別算法包括根據(jù)背景差分法、幀差分法、光流法以及基于學(xué)習(xí)的車(chē)輛識(shí)別算法。這些算法各有優(yōu)缺點(diǎn)，適合不同

2、的識(shí)別場(chǎng)景。我們希望能夠在車(chē)輛行駛過(guò)程中對(duì)視頻進(jìn)行錄制，同時(shí)進(jìn)行視頻分析檢測(cè)出在道路上行駛的車(chē)輛。由于行車(chē)過(guò)程中天氣和光照往往千變?nèi)f化，環(huán)境較為復(fù)雜。同時(shí)車(chē)輛外形也相對(duì)有著明顯區(qū)別。不宜適用背景差分法和幀差分法。同時(shí)光流法由于其復(fù)雜度太高，需要較大硬件成本，不適用于普通的行車(chē)監(jiān)控系統(tǒng)中。根據(jù)我們所要檢測(cè)的場(chǎng)景，通過(guò)分析確定了使用基于學(xué)習(xí)的車(chē)輛識(shí)別算法。通過(guò)調(diào)研國(guó)內(nèi)外相關(guān)工作，我們最終選擇了在車(chē)輛識(shí)別領(lǐng)域比較主流的兩種算法：HogSVM和

3、類(lèi)HaarAdaB00st。其中，HogSVM算法比較準(zhǔn)確，但是和類(lèi)HaarAdaBoost相比速度較慢。根據(jù)對(duì)車(chē)載監(jiān)控視頻進(jìn)行特征分析后發(fā)現(xiàn)，車(chē)輛在行駛過(guò)程中，車(chē)在監(jiān)控畫(huà)面中的大小會(huì)發(fā)生變化，遠(yuǎn)處的車(chē)輛在畫(huà)面中顯示較小，而近處車(chē)輛則顯示較大，因此必須選擇不同大小的識(shí)別區(qū)域，同時(shí)考慮到遠(yuǎn)處車(chē)輛過(guò)小需要有較高的識(shí)別準(zhǔn)確度的檢測(cè)方法。基于上述分析，最終決定將HogSⅧ和類(lèi)HaarAdaB00st兩種算法相結(jié)合，針對(duì)不同的識(shí)別對(duì)象發(fā)揮其各自的

4、優(yōu)勢(shì)。在算法優(yōu)化方面，我們主要基于Kalman算法來(lái)進(jìn)行待檢測(cè)區(qū)預(yù)測(cè)，同時(shí)進(jìn)行跳幀處理。在不影響檢測(cè)準(zhǔn)確率的情況下，進(jìn)一步優(yōu)化算法的性能，進(jìn)而提升系統(tǒng)的用戶體驗(yàn)。啪哪啪帥圳哪刪刪I|f|I哪Y2968055RESEARCHANDIMPLEMENTATloNoNTRAFFICMoNIToRINGSYSTEMBESEDoNSMARTMoBILETERMINALABSTRACTWiththenati冊(cè)alVehicle’srapiddevel

5、opment，urbantra髓cproblembecomesincreasinglyseriousTramcmonitoringisalsoputforwardhigherrequirementsOntheomerhand，WiththedeVelopmentofonboardmonitoringtechllologya11dthepopularizationofmobileintelligenttemlinalmakebuildin

6、gawholeVehiclemonitoringsystembasedonmobileintelligenttenninalpossible。Amongthem，vehicleidentificationas也ecoreoftheVehiclevideomonitorsystemisalsothekeydif：Eiculb廠，hasat訂actedscholarsengagedinresearchathomeandabroadThecu

7、llrentmains仃eamrecognitionalgorithmbasedonmethodofbackgrounddiffbrence，矗鋤edifferencemethod，opticalflowmethodandtheVehiclejdentmcationalg“衄nbasedonleamingThesealgorit№shaVetheirownadVantagesanddisadVantages，sui訕lefordifIf

8、erentrecOgmtlonsceneWewallttobeabletecordingintheprocessofdriVingwithinvideoanalysisaIlddetectionofvehiclesontheroadDuetotheweatherand1ight，intheprocessofdriVingenVironmentismorecomplicatedAtthesametiIIle，theVehicleappea