基于rihog的运动车辆检测算法研究及实现

《基于rihog的运动车辆检测算法研究及实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号M201171780学校代码10487密级硕士学位论文基于RIHOG的运动车辆检测算法研究及实现学位申请人：张迪学科专业：通信与信息系统指导教师：张伟副教授答辩日期：2014年2月15日万方数据AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreefortheMasterofEngineeringMovingVehicleDetectionBasedonRIHOGAlgorithmsandImplementationCandidate:ZhangDiMajor:

2、CommunicationandInformationSystemSupervisor:Assoc.Prof.ZhangWeiHuazhongUniversityofScience&TechnologyWuhan430074,P.R.ChinaFeb,2014万方数据独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。

3、学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日万方数据华中科技大学硕士学位论文摘要随着监控发展的需求，基于视频的车辆检测问题已成为竞相研究的热点对象

4、，相关研究成果已广泛的应用于智能交通系统中。车辆检测作为智能交通系统中的首要任务，其性能对后续的处理及应用具有重大影响。本文的车辆检测系统流程包括：（1）利用高斯混合模型建立背景模型，对运动车辆区域进行初步分割，（2）通过HOG特征进行特征提取，（3）使用ELM算法学习分类模型。针对车辆检测存在不同角度的旋转和背景光照复杂多变等问题，本文提出RIHOG特征，该特征满足旋转不变性；同时自适应更新训练负样本，达到分类器模型也随着时间变化而不断更新，使其可以适应多个应用场景，从而提高了车辆的检测精度。本文的主要内容有：（1）介绍了智能交通系统的研究背景

5、和意义，阐述了基于视频的车辆检测的研究现状，总结了车辆检测各个模块的现有方法，了解该论文使用的相关前景检测技术、特征提取算法以及分类器的知识。（2）我们提出了基于RIHOG特征的车辆检测算法，该算法分为训练和测试两个阶段，训练阶段通过训练样本集训练出ELM分类器模型，测试阶段首先通过高斯混合模型和形态学处理提取运动区域，然后将运动区域作为测试集，求取测试集的RIHOG特征，并将其放到ELM分类器中。同时通过不断地自适应更新训练集的负样本来更新分类器模型。我们在实际采样的视频数据上，分析了本算法的性能，并与其他技术作了对比。最后对全文的工作进行总结

6、并给出后续的展望。关键词：车辆检测高斯混合模型梯度直方图极限学习法I万方数据华中科技大学硕士学位论文AbstractVision-basedVehicledetectionhasbeenahotresearchtopicandtherelativeresearchachievementshavebeenwidelyappliedinintelligenttransportationsystemduetothedemandofsurveillancedevelopment.Astheprimarytaskinthetransportationsys

7、tem,Vehicledetection’sperformancehassignificanteffectsonsubsequentprocessingandapplication.Theprocessofvehicledetectionsysteminthisthesisincludes:(1)usingGaussianmixturemodeltobuildbackgroundmodelandhavingapreliminarysegmentationofthemovingregionofvehicles,(2)havingafeatureex

8、tractionbasedonHOGfeature,(3)usingELMalgorithmtolearnaclassification