原文传递
基于视频的车辆跟踪及车流长度检测算法研究
| 论文题名： | 基于视频的车辆跟踪及车流长度检测算法研究 |
| 关键词： | 车辆跟踪;车流长度;检测算法;视频图像 |
| 摘要： | 车辆的检测是智能交通系统的一个重要方面，它是其它所有技术实现的基础，如果不能准确地检测出车辆，其它各种处理结果就很难得到保证。在智能交通控制系统中，车辆排队长度也是关键的交通参数之一。本文对车辆检测方法和车队长度检测方法进行了一定的研究，主要工作如下: 首先针对昼间车流密度高的特点将类Haar+Adaboost分类器的统计学习方法用于昼间车辆检测，并在检测后进行一定后处理去除虚警。实验结果表明，在车流密度较高的情况下仍能快速地检测出车辆，明显优于运动目标检测的效果。 其次针对夜间车辆特征不丰富的难点以Hough圆检测为核心，设计了一种夜间车辆检测方法。实验结果表明，在车流较稀疏的情况下，该方法能够正确且快速地检测出车辆，是一种可行有效的夜间车辆检测方法。 然后针对昼间、夜间车辆检测结果的漏检、错检问题，提出了一种基于Kalman滤波器的4状态跟踪算法，通过跟踪算法不仅前后帧车辆信息联系起来，也去掉了一些虚警并在一些帧中补全了漏检的车辆，使检测效果变得更加稳定。 最后提出一种基于视频的车辆排队长度检测方法，对通过固定摄像头得到的视频序列，综合利用车辆检测和运动检测来计算车辆排队长度。先利用Sobel边缘提取进行车辆检测，然后利用KLT特征点跟踪方法来进行运动检测。实验证明，该方法检测运动的准确性和稳定性都很高。 |
| 作者： | 薛晓铂 |
| 专业： | 软件工程 |
| 导师： | 王东;陈展 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
