搜索
厦门大学硕士学位论文基于OpenCV的视频道路车辆检测与跟踪姓名：詹群峰申请学位级别：硕士专业：精密仪器及机械指导教师：陈文芗20090501基于OpenCV的视频道路车辆检测与跟踪作者：詹群峰学位授予单位：厦门大学相似文献(10条)1.学位论文孔繁奇基于视频图像的车辆检测跟踪技术的分析研究2007实时交通检测与信息采集已经成为智能交通系统中的一项重要课题，而运动车辆的实时检测与跟踪分类则是其中的核心的部分。近年来，基于视频图像的车辆检测跟踪技术已成为研究的重点和热点。本文对此问题进行了研究，针对车辆的检测、阴影去除、车辆识别与跟踪、车辆分类统计等方面进行了分析与部分改进，初步设计实现了一基于交通图像序列的检测、跟踪与分类统计的车辆智能实时监测系统，并通过实验证明了系统的有效性和实时性。主要研究包括以下几个方面：(1)运动车辆的检测。分析了目前对运动目标检测中背景重建和背景更新的一些技术和方法，给出了一种基于改进的自适应背景方法的背景模型，能实时提取干净的背景帧，有效地实现了背景的实时更新。(2)运动车辆阴影的去除。针对阴影对车辆跟踪和分类带来的不利影响，研究了阴影灰度值分布的特点，利用阴影和背景区域的光度增益特点有效的消除了车辆的阴影。(3)运动车辆的跟踪。针对跟踪车辆所需计算量大、车辆汇聚和分离时跟踪丢失等问题，本文利用车辆跟踪的特点，采用找寻以两帧目标车辆的重叠区域面积为权值的最大权值图的区域跟踪的方法在图像中进行匹配，有效的解决了车辆汇聚和分离时的跟踪问题，实现了运动车辆的实时跟踪。(4)初步设计并实现了一个视频车辆监测系统。系统在.NET环境利用C＃设计实现，该系统主要实现了车辆检测及实时跟踪和运动车辆分类统计。实验结果表明该系统对车辆能够实时有效地获得跟踪结果和分类统计，具有较强的适应性和一定的实用价值。2.学位论文何巧萍基于视频图像处理技术的运动车辆检测算法研究及实现2006随着计算机硬件技术和计算机视觉技术的发展，ITS也得到快速的发展。社会的进步，经济的发展，也要求智能交通系统越来越完善。自动交通事件检测系统作为智能交通系统重要的一部分，越来越受到广大学者们的关注。一个好的自动交通事件检测系统，车辆检测是关键。传统的车辆检测方法很多，但其鲁棒性都不够好，视频图像的检测以其检测范围大、工程量小、安装简单、成本低、信息丰富而逐步取代传统的检测方法。随着计算机硬件的发展，利用视频图像对车辆进行检测及跟踪越来越受到人们的关注。本文以静止的单孔摄像机获取的高速公路交通场景视频作为研究对象，以检测出场景内的运动车辆为目的，对所涉及到的背景提取及自适应更新、阴影检测、车辆分割等关键技术问题进行了较深入的研究和分析，并在这些关键技术研究的基础上实现了一个视频车辆检测系统。本文的研究内容主要分为三大部分：1、在传统的背景差分的基础上，提出一种基于数学形态学及小波变换的车辆检测算法。首先采用统计学的方法一快速序列均值法，建立背景模型，由于背景受光线变换的影响比较明显，所以本文采用了相应的简单快速的背景更新算法。利用建好的背景对视频图像做背景差分，然后结合数学形态学及小波变换对图像中的车辆进行精确的检测。2、提出一种基于改进OTSU方法的运动车辆分割算法。3、设计并实现了一个视频车辆检测系统。本文采用VisualC++6.0和OPENCV图像开发包开发了一个视频车辆检测系统，本系统主要实现了背景提取，图像滤波，图像二值化，形态学变换，车辆检测及分割，阴影检测等。3.期刊论文曹治锦.唐慧明视频图像中的车辆检测跟踪和分类-电视技术2004,(3)介绍了一种用固定的单摄像头拍摄交通图像,并从图像序列中检测、跟踪、分类车辆的方法.该方法大致可分为3部分:抽取背景图像和图像分割;基于针孔模型的摄像机定标,计算透视投影矩阵;利用区域特征进行匹配跟踪,建立目标链,恢复目标三维信息,采用模型匹配法对车型分类.实验证明方法是简单可行的.4.学位论文胡国良基于视频的车辆检测跟踪与分类技术的研究2009为了高效的管理道路车辆，迅速便捷的统计交通信息，设计并实现了基于视频图像的车辆检测跟踪与分类系统。本论文在总结和分析现有的基于计算机视觉技术的交通监控系统基本理论和关键技术的基础上，重点研究了固定视角下运动车辆的检测跟踪和分类技术，其中主要涉及到运动车辆的检测、运动车辆的阴影去除和运动车辆的跟踪与分类。完成的主要研究工作如下：br (1)运动车辆检测：通过分析现有的检测方法和背景模型，采用改进的自适应背景更新模型，实现了背景的实时更新。并通过背景差分法有效检测出运动车辆。br (2)运动车辆的阴影去除：分析研究了车辆阴影区域和被其覆盖的背景区域之间的灰度比值的分布规律，以及HSV色彩空间中V分量阴影覆盖前后的变化规律，采用了一种结合灰度信息和HSV色彩空间中V分量的阴影检测与去除方法，利用阴影和背景区域的光度增益特点有效的消除了车辆的阴影。br (3)运动车辆跟踪及分类：分析了车辆的边缘特征，并利用Hausdorff距离模板匹配思想，在改进的距离变换空间内实现运动车辆的跟踪与分类。其中关键步骤是Euclidean距离变换，本文采用中心探测法求距离特征，这样做大大的减少了计算量。br 本系统在windows环境下用c＃实现，结果表明，该系统可以实时快速检测出运动车辆并能准确跟踪和分类，具有较强的适应性和良好的应用前景。5.学位论文张伟视频图像中的运动车辆检测2009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。6.期刊论文王祺.游志胜.覃树建.WANGQi.YOUZhi-sheng.QINShu-jian基于视频图像像素点阵的车辆检测技术-计算机应用研究2006,23(8)介绍一种基于视频图像像素点阵的车辆检测技术.该方法找出车辆图像中因与背景帧不同而触发的像素点,通过分析这些触发像素点所组成的像素点阵进行对车辆的自动识别和追踪.将每辆车作为一个检测对象,求出每个检测对象的触发像素点阵中存在连通性的最大像素区域,并将这个区域作为该检测对象识别和追踪的唯一标准.该技术具有适应性好、计算量少、识别结果准确等优点.7.学位论文李佳慧基于线阵CCD像机的车辆检测技术研究2008现有的视频检测系统大多采用面阵CCD像机，然而基于面阵CCD图像的检测技术存在一些难以解决的问题：(1)视频图像中除了所关心的目标，存在大量的背景目标，而从复杂背景中提取出感兴趣的目标在图像处理中是一个很棘手的问题：(2)面阵CCD图像的帧(场)速率一般都较低，较难实现高的检测精度；(3)面阵CCD图像的数据量很大，为了保证实时性，较难采用很复杂的算法，因此其检测性能受到限制。而基于线阵CCD像机的检测技术具有如下优点：(1)线阵图像序列构成的图像中仅包含运动目标，因此在运动目标检测时避免了复杂背景的干扰；(2)线阵CCD像机的空间分辨率、像素灰度级和采样速度可以较高，可以实现较高的检测精度；(3)线阵图像数据量相对较小，便于实现复杂的图像处理和分析算法。本论文对基于线阵CCD成像检测系统的几个关键技术进行了研究，具体说来，本论文所做的主要研究工作可概括如下：(1)在研究常规图像分割算法的基础上，提出了一种适用于线阵CCD图像的目标分割算法，该算法主要是基于图像的纹理特征。首先利用小波变换提取路面的纹理特征，以此作为二值化的依据，然后为每个逻辑车道建立若干计数器，并根据二值化的结果进行车辆分割。现场实验结果证明，该算法可有效消除车灯和阴影对车辆分割的干扰，可以实现对车辆的准确分割。(2)在车辆分割的基础上，提出了标识车辆目标的投影算法，该算法利用已经建立的若干计数器确定目标的上下边界及左右边界，该算法可以准确地对目标车辆进行标识。(3)用SQLServer开发了车辆管理数据库系统，该系统主要有车辆数据库管理、车辆数据分析、系统设置、系统容错等功能。8.学位论文柯爽基于视频图像的规定路段限行车辆检测技术研究2009交通法中对专用车道或规定路段有严格的规定，不允许除规定车辆以外的车辆在其中行驶。对有限制条件的路段，通常采用人工检测方式，为此需要大量的人力物力，而且这种人工的方法，往往存在工作效率低、判断遗漏等问题。本文在对视频图像检测技术和特征值分析等关键技术研究的基础上，设计实现了一种违章车辆检测系统，在交通监控视频中自动检测在规定路段中行驶的限行车辆。该系统的建立主要涉及两个问题：车辆特征提取以及车辆分类器的建立。针对交通监控系统中对车辆特征描述有较高的准确率要求，采用基于统计理论的Haar特征矩形的图像特征提取方法。该方法通过对图像中的区域信息进行编码，使得图像处理过程从像素空间转换到Haar特征空间；针对监控系统实时性要求较高的特点，采用Adaboost学习算法建立了车辆分类器。使用限行车辆的训练样本对特征所对应的弱分类器进行训练，挑选出最优的弱分类器构成强分类器，并基于层叠的思想将几个强分类器按照结构复杂性顺序相组合，构建出层叠分类器，加快了车辆检测的速度。最后以卡车为例，使用青岛市的交通监控视频，对某些路段中违章行驶的卡车进行实时检测。实验表明，该系统实时性好，识别率较高。9.期刊论文肖旺新.张雪.黄卫交通视频图像的多尺度自适应阈值边缘检测-土木工程学报2003,36(7)基于视频图像的交通流参数检测,车辆检测是其关键[1-6,12].车辆检测常用的有帧差法、背景差法和边缘检测法等.边缘检测是适应性最好的方法[12,14].本文把基于小波变换的多尺度自适应阈值图像边缘检测的新方法应用于交通图像边缘检测.通过计算机仿真对本算法进行了验证,结果明显好于采用其它几种经典方法的边缘检测.10.学位论文李维基于视频图像的车辆闯红灯检测方法研究2007随着经济的飞速发展，车辆数量的急剧增加，产生了日益严重的交通问题，由此产生了智能交通系统这一应用研究课题。智能交通系统是当前电子信息技术在交通运输领域应用的前沿研究课题，我国已经将其列入优先发展的高技术产业化重点领域。许多国家的统计表明，绝大多数严重的交通事故发生在十字路口，而其中的多数又是由于司机闯红灯造成的，这己经成为道路安全的主要威胁之一。为此，人们通常采用在交通路口埋设感应线圈传感器并配合抓拍照相机的方法来监控。但是这种方法只能用于固定的路口检测