原文传递
水平集方法及其在视频车辆检测中的应用研究
| 论文题名： | 水平集方法及其在视频车辆检测中的应用研究 |
| 关键词： | 交通管理;视频车辆检测;水平集方法;统计势能;背景差分;阴影消除 |
| 摘要： | 社会经济的迅速发展在给人们带来便利的同时，也产生了一些负面的影响，道路交通问题就是其中之一。交通堵塞严重、违规驾驶、交通事故频繁发生等，这些问题都给交通管理提出了难题，因此智能交通系统的研究和设计受到越来越多的重视。而在智能交通系统中，车辆检测是一个基础部分，也是关键的环节。这一部分主要负责提取感兴趣的目标，采集道路交通参数信息等。运动目标检测效果的好坏关系到后续交通参数的计算、车辆跟踪等操作，甚至关系到整个系统的实用性和性能的好坏。所以寻求一种有效、实用的车辆检测方法是十分重要的。所以本课题的研究具有重要的理论意义和实用价值。 本文首先研究了传统的车辆检测算法，如背景差分法、帧间相减法、光流法。从理论和实际应用的角度对比分析了几种算法的优缺点，背景差分法是最常用的一种运动目标检测方法，应用性较好，但是当背景和目标的灰度相差很小时，就会出现误判，导致检测失败。而且上述几种算法分割目标时，经常会会出现孔洞、目标断裂、目标粘连等，目标失真较严重，在此基础上，本文采用了在图像分割领域的另一热门研究方法—水平集方法来实现车辆检测。 水平集方法在演化的过程中能够自动实现分裂、合并等拓扑变化，有效的提取目标轮廓。但是传统的水平集方法中的速度函数是基于边缘的梯度信息，在目标边界的梯度没有明显变化或者边缘模糊的情况下，就会出现目标漏检的现象。为了克服上述缺点，本文对水平集方法中的速度函数做了进一步的改进，采用了基于统计势能的水平集方法。为了提高算法的处理速度，将背景差分后获得的掩膜图像作为初始的演化曲线。在实际应用中，由于阴影的影响而降低了车辆识别的精度，为此，提出了一种去除阴影的方法，将去除阴影后的运动信息融合到速度函数中，最终，实现不受阴影干扰的目标车辆检测，提高了多运动目标轮廓提取的精度。本文在Matlab平台上对算法进行了测试，实验效果良好，在处理速度和精度上都有所提高，基本可以满足实时性的要求。 |
| 作者： | 邱翠 |
| 专业： | 电路与系统 |
| 导师： | 乔双 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北师范大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
