原文传递
基于视频的公交车辆检测与识别研究
| 论文题名： | 基于视频的公交车辆检测与识别研究 |
| 关键词： | 智能交通系统;公交车辆;视频检测;Adaboost算法;HSV颜色空间 |
| 摘要： | 车辆检测和车型识别技术在智能交通系统中占据重要地位，传统的感应线圈、超声波检测器等车辆检测方法已很难满足成本低廉、可靠性强、使用寿命长的要求。本文运用车辆视频检测的方法，从运动前景、分类器检测和颜色特征三个方面对视频序列中的公交车辆进行检测和研究，具体内容如下： （1）运用组合前景的方法，结合形态学处理和阈值法去阴影，从视频序列中找出运动的车辆。首先研究分析了常用的滤波方法，对中值滤波、高斯滤波、双边滤波方式进行针对性的实验，选择最能适应公交车辆检测的滤波方法。研究和对比前景提取方法（帧差法和光流法）和背景建模法(单高斯模型、混合高斯模型、均值模型等)，最后结合帧差法和高斯模型寻找运动的车辆前景。 （2）使用 AdaBoost算法和 Haar特征训练出的分类器对前景中的车辆进行分类和检测。首先对Haar和LBP特征、积分图、分类器训练的过程和方法进行分析和实验，接着使用 AdaBoost算法和 Haar及 LBP特征训练出两个强分类器，对比两种特征的检测效果，并考虑每种特征训练所需时间和车辆检测实时性的要求，最后选择 Haar特征的分类器。 （3）采用车窗定位和特征颜色像素个数占车窗区域面积比率的方法对分类器检测的结果进行区分，即区分公交车辆和大客车车辆。考虑公交车辆的前后车窗均有用来标示公交线路的某种特定颜色的车标信息，而其他大客车的这种特征颜色信息明显很少，可以使用定位车窗，接着统计车窗区域特征像素所占比率的方法来区分两种不同车辆。分析比较了 Canny、Sobel、Laplacion三种边缘检测方法，结合形态学和连通域处理，确定最佳的车窗定位算法。对车窗区域采用 HSV颜色模型，统计特征颜色像素所占比率，并与设定的阈值进行比较，若大于该阈值，则判断为公交车辆，否则为非公交车辆。 |
| 作者： | 朱磊 |
| 专业： | 控制工程 |
| 导师： | 邝先验 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江西理工大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
