資源描述：
《交通視頻監(jiān)控中的車輛檢測技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、交通視頻監(jiān)控中的車輛檢測技術(shù)研究目錄引言5第一章緒論61.1研究背景61.2研究目的和意義61.3國內(nèi)外研究現(xiàn)狀71.3.1幀差法71.3.2背景消減法8第二章自適應(yīng)Kalman濾波的車輛檢測102.1圖像的預(yù)處理102.1.1圖像濾波102.1.2圖像銳化112.1.3圖像增強122.1.4邊緣檢測12第三章基于高斯混合模型的運動檢測143.1基于高斯混合模型的運動車輛檢測153.1.1高斯混合模型方法簡介163.1.2估計當(dāng)前狀態(tài)173.1.3背景模型估計18第四章圖像檢測算法分析與設(shè)計204.1算
2、法思想與分析204.2算法設(shè)計224.3實驗與分析244.4實驗結(jié)果分析26第五章系統(tǒng)功能的原理及實現(xiàn)275.1運動目標(biāo)的檢測275.1.1基本思想275.1.2程序流程圖285.1.3圖像處理后的結(jié)果285.2運動目標(biāo)跟蹤295.2.1基本思想295.2.2程序流程圖305.2.3圖像處理后的結(jié)果315.3運動目標(biāo)的檢索315.3.1基本思想315.3.2程序流程圖325.3.4圖像處理后的結(jié)果32第六章交互界面GUI設(shè)計346.1GUI控件設(shè)計346.2交互界面程序編寫34第七章結(jié)論38參考文獻39
3、摘要視頻車輛的檢測是智能交通系統(tǒng)的核心技術(shù)之一，也是智能交通系統(tǒng)中其他技術(shù)的基礎(chǔ)。由于運動車輛檢測技術(shù)的復(fù)雜性，多變性，該技術(shù)仍處于起步階段，需要不斷的研究并加以改進。本論文針對車輛檢測中的一些關(guān)鍵問題進行了探索和研究，提出了新的方法，并通過實驗證明了新方法的有效性。本文首先介紹了車輛檢測的常用方法(幀間差法，光流法，邊緣檢測法，背景差分法)。提出了基于自適應(yīng)的Kalman濾波的方法來進行背景提取和更新。通過大津閾值來獲得西個自適應(yīng)的參數(shù)。通過實驗對比，本文所提出的方法，對于相對簡單的背景，能夠很好地提
4、取出運動車輛，而且能夠較好地適應(yīng)光線突變情況。并且對高斯混合模型進行了改進，由于更新參數(shù)設(shè)為固定值后，背景模型建立會比較慢，對初始化背景做出了改進。提出不同學(xué)習(xí)率的方法來使得模型更加快速的收斂。提出了新的目標(biāo)決策模型，使得檢測結(jié)果更加準(zhǔn)確和穩(wěn)定。通過實驗，給出了高斯混合模型參數(shù)的經(jīng)驗設(shè)定值。我們可以看到本文所采用的高斯混合模型能夠較好地描述背景，而采用了新的目標(biāo)決策模型，對于行駛比較緩慢的大型車輛，同樣具有較好的檢測效果。關(guān)鍵詞：車輛檢測，高斯混合模型，Kalman濾波，背景更新，歸一化互相關(guān)系數(shù)Abs
5、tractVehicledetectioninvideosurveillanceisoneofthecoretechnologies．AswellasthebaseofothertechnologiesintheIntelligentTransportationSystem．Becauseofthecomplexityandvariability,thetechnologyremainspremature．a(chǎn)ndthetechnologyneedsforcontinuousstudiesandimpro
6、vements．Newsolutionsforsomekeyissuesofvehicledetectionareexplored，andexperimentsshowtheirefficiency．Thecommonlyuseddetectionmethods(frame-difference，opticalflow,edgedetectionandbackground-difference)areintroduced．BasedonadaptiveKalmanfilter,thebackground
7、isextractedandupdated．TwoadaptiveparametersareobtainedbyOtsuthreshold．Forrelativelysimplebackground，thenewmethodisabletoextractmovingvehicleswell，andisabletoadapttosuddenchangeinlight．Astheupdatingparametersaresettoafixedvalue，theslowerbackgroundmodelset
8、up．Theinitializationisimproved．Thetwodifferentlearningratescallmakethemodelmorerapidconvergence．Anewobjectivedecision-makingmodelisproposedtoresultsmoreaccuratestable．Byexperiments，GaussianMixtureModelparametersforexperien
