基于机器视觉的车辆检测方法研究

《基于机器视觉的车辆检测方法研究》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、ＵＮＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯＦＣＨＩＮＡＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ嗎论文题目基于机器视觉的苹辆检测方法辆究＇－ｉ：ＴＩ信号与信息处經学科专业ｉ、—１０１３２１０２０３０９学号２作者姓名瞧熊：＇ｉ指营教师解梅教授一＇１ＩｈＢ＾Ｋｍ分类号密级注1UDC学位论文基于机器视觉的车辆检测方法研究（题名和副题名）陈熊（作者姓名）指导教师解梅教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业信号与信息处理提交论

2、文日期2016.3.31论文答辩日期2016.4.29学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchonMethodsofVehicleDetectionBasedonMachineVisionAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SignalandInformationProcessingAuthor:ChenXiongAdvisor:ProfessorXieMeiSchool:SchoolofE

3、lectronicEngineering独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作。据我所知及取得的研究成果，除了文中特别加标注和致谢的地方夕ｈ论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。＾／＾作者签名：日期：２（＾月２日年科艇－论文使用授权木学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定；，，有权保留并向園家巧关部口或机构送交论文的复印件和磁盘允许论文被森网和

4、偕鮮。本人授权电子科技火学可Ｗ将学位论文的全部或部分內容编入有关数据库进行检索，可采用影印、缩印或扫描等宴制手段保巧、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：Ｍ＿导师签名：＼ｆｈ＿職＾曰期Ｓ：（巧Ｚｖ［Ｉ摘要摘要近年来随着计算机视觉技术的快速发展，基于视觉的智能交通技术在生活中越来越被普遍的应用。基于机器学习的车辆检测是智能交通领域关键问题之一，也是目标检测领域的重要组成部分，车辆检测的正确率对后续智能交通的研究具有重要影响。本文重点研究了单视角车辆检测算法、多视角车辆检测算法、车辆跟踪算法、车型识别算法，主要内容如下：第一，研究了聚合

5、通道特征的提取方法，该特征不仅包含泛化的HOG通道特征，而且还包含颜色通道与梯度通道特征；探讨了多视角下车辆检测的特征选择问题，对比了可分离子聚类算法与k-means和LatentSVM聚类算法的区别。第二，研究了基于软级联AdaBoost分类器的其它三种推广模式，软级联RealAdaboost、软级联GentleAdaBoost、软级联ModestAdaBoost对车辆检测的影响。并且分析了三种分类器中参数对检测性能的影响；将参数进行组合使用，提出了检测效果更好的最大池化分类器。第三，探讨了一种改进的最小化输出均方误差跟踪算法，将该跟踪算法运用于隔帧检测，分析了隔帧数对检测性能的影响。采用

6、HOG、LBP、DSIFT特征来提取车辆的局部信息，结合随机投影技术对高维空间中的特征进行降维；结合SVM针对不同的车型，将检测出的车辆分为不同的类别，并与主流的识别技术进行了对比。第四，基于WinForm框架技术设计了一个完整的车辆检测平台，包括车辆图片检测、车辆视频检测、车型识别等功能。关键词：车辆检测，聚合通道特征，可分离子聚类算法，最大池化分类器，车型识别。IABSTRACTABSTRACTInrecentyears,withtherapiddevelopmentofcomputervisiontechnology,intelligenttransportationtechnolog

7、iesbasedonvisionareusedmoreandmorewidelyinthelife.Vehicledetectionbasedonmachinelearningisoneofthekeyproblemsoftheintelligenttransportationfield,alsoisanimportantpartintheobjectdetectionfield.Theaccuracyofv