详情

原文传递基于视频的车辆检测技术研究

论文题名：	基于视频的车辆检测技术研究
关键词：	目标检测;背景建模;混合高斯模型;目标跟踪;卡尔曼滤波器;车辆检测;智能交通系统
摘要：	智能交通系统是指使用数字图像处理的方法，对摄像头采集到视频图像序列进行分析，检测出视频图像中的运动目标，并对目标的运动轨迹进行跟踪，分析评估目标物体的行为，从而获得更高阶的图像信息理解。智能交通系统中最关键的技术就是对前景运动目标的检测与跟踪，决定了系统的整体性能与实用价值。随着智能交通系统的实时性与准确性的不断提高，其应用范围也将越来越广泛。　　本文主要研究基于视频监控系统的车辆检测技术，包括前景目标检测和运动目标跟踪与计数两个部分，主要的工作如下：　　论文比较分析了各种常用的运动检测方法，提出一种基于自适应滤波的背景模型方法，即使用多重高斯分布模型来模拟图像中的每个像素点的变化。该方法对于前景与背景同时建模，自适应地更新背景图像，能够较好地分离前景目标和抑制背景噪声，尤其是针对环境光照变化和缓慢运动目标都具有良好的效果。　　依据卡尔曼滤波器的基本原理，提出了一种基于卡尔曼滤波器的多运动目标跟踪算法：在之前累次测量的基础上，对下一帧图像中运动目标的可能出现位置作出预估计，从而有效的降低图像搜索匹配的计算时间，并提高车辆目标跟踪的精确度。　　实现了基于虚拟检测区域的车辆统计算法：针对图像感兴趣区域(ROI)使用改进的背景减除，结合使用图像形态学运算与阴影抑制方法，以实现基于视频的实时车辆数目统计。该方法场景适应性强，对于环境光线变化具有较好的适应性，不受车道数目与车辆运动状态变化限制，同时具备较好的实时性，准确性高。
作者：	陈超
专业：	通信与信息系统
导师：	吴巍
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2010
正文语种：	中文