详情

原文传递基于视频的车辆检测技术

论文题名：	基于视频的车辆检测技术
关键词：	智能交通系统;车辆检测技术;视频监控;特征提取;车辆分类器
摘要：	随着汽车的普及，城市交通道路日见拥堵，交通事故日益频发，交通环境也越来越恶化。于是，利用传感技术、通讯技术、视频监控技术以及计算机技术来提高交通系统效率的智能交通系统便应运而生。在该类系统中，车辆检测是最基础、最重要的部分。准确及时地检测出车辆是后续车辆跟踪、车牌识别、车辆信息提取等处理的重要保证。相比传统的基于传感器的车辆检测方法，基于视频的车辆检测由于其成本低、适用广、易维护等优点，越来越受到青睐。　　近年来，基于视频的车辆检测技术得到长足发展，尤其是在背景固定、单一的场合，如高速公路；但在涉及复杂背景下的车辆检测时，仍存在诸如误检率高、时效性差等诸多问题，而这是车辆检测技术在人车共行、车载预警等场合成功应用时必需要解决的问题。　　本文对基于视频的不同场景复杂背景下的车辆检测技术进行了相应研究，着重探讨了利用特征提取和分类进行车辆检测的可能性，不仅提出了基于SIFT特征和Adaboost分类器的车辆检测算法，还利用类Haar特征和Adaboost级联分类器的进行检测，得到一些重要结论。具体工作如下：　　 1.提出了基于SIFT和Adaboost算法的车辆检测算法。SIFT特征能保持平移、尺度和旋转不变性，具有很好的鲁棒性；Adaboost分类器是由弱分类器加权组合成的强分类器，可以改善任意给定学习算法的准确率，可以很好地提高预测精度。实验表明所提出的算法具有较高的准确率，但时效性差，而且不能直接定位出车辆的具体位置。　　 2.提出了基于静态背景视频的车辆检测方法，此方法首先运用背景差法提取出运动区域，从而节约大量特征计算时间，再运用SIFT和Adaboost算法，对得到的运动区域进行进一步判断，以区分开运动的车辆和其他运动的物体。实验表明该方案能准确检测并定位出运动的车辆，时间效率也能满足要求。但由于该方案把运动区域检测做为其前置步骤，因而不能对静止车辆进行检测。　　 3.为了有效地检测车辆，达到既可对运动车辆进行检测，也可以对静止车辆进行检测的目的，本文借鉴Viola和Jones提出的基于类Haar特征和Adaboost级联分类器的人脸检测思想，将之用于车辆检测，训练了自己的车辆分类器，有效实现了对车辆的检测。实验表明该方法计算速度快，即使直接对全图进行检测也可满足时效性；该方法能很好地满足不同场景复杂背景下的车辆检测，但实验发现其受遮挡和角度影响很大，尚需进一步改进。
作者：	张燕
专业：	计算机应用
导师：	张三元
授予学位：	硕士
授予学位单位：	浙江大学
学位年度：	2012
正文语种：	中文