详情

原文传递基于SVM的视频车辆检测

论文题名：	基于SVM的视频车辆检测
关键词：	智能交通系统;视频车辆检测;车道背景模型;支持向量机
摘要：	在智能交通系统中，通过对视频中图像序列建立车道背景模型，然后运用各种分类方法从运动图像序列中检测、识别、跟踪车辆以便获得准确的交通统计量，直接关系到智能交通系统决策的正确性。本文提出了一种通过将支持向量机和自适应编码本相结合的视频车道背景建模方法，所做的主要工作如下: 　　(1)相关方法的研究:通过对近年来国内外有关车道背景建模和车辆检测的方法的研究和分析，在车道背景建模方面主要介绍了混合高斯模型和编码本模型;在车辆检测方面主要介绍了传统的光流法和边缘检测法，并详细介绍了近年来较为热门的支持向量机的方法。　　(2)车道背景建模:通过使用编码本的方法来对图像中的像素建立不同的编码单词集合，然后根据所表示的编码来进行区分是前景还是背景，通过采用自适应的方法来自动更新编码本以达到很好的背景更新的目的。　　(3)视频车辆提取:通过对车道背景图像和包含车辆的待分类图像进行五种基于纹理特征的特征提取，将提取特征之后的车道背景图像作为训练样本，将待分类图像作为测试样本放入支持向量机中进行分类并得到结果。　　实验结果表明本方法能有效确定视频中的背景区域，特别是能明确车道背景区域，且该算法具有所需样本量小，车辆检测完整，对光照的变化具有一定的自适应能力等特点。
作者：	汤文斌
专业：	计算机技术
导师：	鲍可进
授予学位：	硕士
授予学位单位：	江苏大学
学位年度：	2015
正文语种：	中文