原文传递
基于夜间交通视频的车辆检测与跟踪
| 论文题名： | 基于夜间交通视频的车辆检测与跟踪 |
| 关键词： | 智能交通系统;夜间交通视频;车辆检测;目标跟踪;Adaboost分类器 |
| 摘要： | 智能交通系统(ITS)是目前世界交通运输领域正在研究和广泛关注的课题。其中一项重要的内容是交通场景中车辆的检测和跟踪，它为交通检测与信息采集提供了关键的技术。同时，在计算机视觉与机器学习领域，运动目标检测和多目标跟踪技术一直是研究热点，该领域中的核心技术在智能交通领域有着广泛的应用。本文在调研国内外相关工作基础上，基于车灯特征对夜间交通视频中的车辆进行检测，提出了基于规则的车灯的判定方法，随后在此基础上对车灯跟踪与匹配，实验了鲁棒的夜间车辆跟踪。利用自动评价技术对夜间车辆跟踪进行自动评价，验证了方法的准确性。 本文的主要工作有: (1)基于规则的两阶段车灯检测方法。前期工作中我们通过选取正负车灯样本训练Adaboost分类器进行车灯检测，针对该方法花费实验时间过长、需要手工标记的样本量巨大等问题，提出了基于规则的两阶段车灯检测的方案。第一步，通过改进Ostu分割算法后的自适应多尺度阈值分割得到候选车灯区域;第二步，基于候选车灯区域的几何和光学等特征制定出判定规则，再一次判定验证候选车灯，得到最终的车灯检测结果。在我们采集的夜间交通视频数据集上，基于规则的两阶段车灯检测方法达到84％的准确率，而制定统计规则需要标注的样本量远小于训练分类器所需的样本量。 (2)基于车灯跟踪与匹配的车辆跟踪以及车辆正反向轨迹的预判。本文提出运用多目标跟踪技术对视频连续帧图像中出现的车灯进行跟踪，并且将跟踪后车灯进行匹配，进而将一对车灯作为代表车辆的特征，完成车辆的跟踪。在跟踪过程中，为解决车辆前后遮挡对信息采集的准确度带来的影响，提出了基于速度估计的双向预判轨迹拟合技术，能够解决短时间内车辆遮挡的问题。最后基于正确率、缺失率、误判率和转变率等评价指标，验证了本文提出方法的鲁棒性。 |
| 作者： | 冯毅超 |
| 专业： | 计算机视觉 |
| 导师： | 邹琪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
