详情

原文传递视频图像中的运动车辆检测

论文题名：	视频图像中的运动车辆检测
关键词：	车辆检测;高斯混合模型;Kalman滤波;背景更新;智能交通
摘要：	视频车辆的检测是智能交通系统的核心技术之一，也是智能交通系统中其他技术的基础。由于运动车辆检测技术的复杂性，多变性，该技术仍处于起步阶段，需要不断的研究并加以改进。本论文针对车辆检测中的一些关键问题进行了探索和研究，提出了新的方法，并通过实验证明了新方法的有效性。本文首先介绍了车辆检测的常用方法（帧间差法，光流法，边缘检测法，背景差分法）。提出了基于自适应的Kalman滤波的方法来进行背景提取和更新。通过大津阈值来获得两个自适应的参数。通过实验对比，本文所提出的方法，对于相对简单的背景，能够很好地提取出运动车辆，而且能够较好地适应光线突变情况。接着详细介绍了高斯混合模型的原理及实现方法，具体说明了高斯混合模型的几个步骤：背景模型建立，估计当前帧状态，混合模型的参数更新。并且对高斯混合模型进行了改进，由于更新参数设为固定值后，背景模型建立会比较慢，对初始化背景做出了改进。提出不同学习率的方法来使得模型更加快速的收敛。提出了新的目标决策模型，使得检测结果更加准确和稳定。通过实验，给出了高斯混合模型参数的经验设定值。可以看到本文所采用的高斯混合模型能够较好地描述背景，而采用了新的目标决策模型，对于行驶比较缓慢的大型车辆，同样具有较好的检测效果。同时在实验中，可以发现高斯混合模型不能快速适应光线突变的情况，本文引入一个参数来估计光线的变化情况，通过连续统计前后帧之间前景像素点的数量变化，来判断当前帧是否发生了光线突变。对于光线突变的情况，提出了归一化互相关系数，定义了背景图像能量函数和当前帧图像能量函数。亮度变化后的当前帧，与背景帧仍然具有较高的线性相关性，而对于场景中出现运动目标，归一化互相关系数会变的很小。实验证明，该方法取得了良好的效果。并且通过目标表示，连通性分析和图像填充等方法，进一步完善了车辆检测。
作者：	张伟
专业：	生物医学工程
导师：	鲍旭东;周卫平
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2009
正文语种：	中文