视频图像中的运动车辆检测

视频图像中的运动车辆检测

ID:37265957

大小:4.60 MB

页数:50页

时间:2019-05-20

视频图像中的运动车辆检测_第1页
视频图像中的运动车辆检测_第2页
视频图像中的运动车辆检测_第3页
视频图像中的运动车辆检测_第4页
视频图像中的运动车辆检测_第5页
资源描述:

《视频图像中的运动车辆检测》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、摘要摘要论文题目:视频图像中的运动车辆检测研究生姓名:张伟导师姓名:鲍旭东(教授)周卫平(副教授)学校名称:东南大学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西个自适应的参数。通过

2、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。我们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

3、,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,我们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。关键词:车辆检测,高斯混合模

4、型,Kalman滤波,背景更新,归一化互相关系数东南大学硕士学位论文AbstractThesisTitle:MovingVehicleDetectioninVideoSurveillanceAhthor:盟ANGW1eiThesisSupervisor:BAOXu-dong(Professor)ZHOUWei-ping(Professor)Vehicledetectioninvideosurveillanceisoneofthecol'etechnologies.觞wellasthebaseofothertechnologiesintheIntellig

5、entTransportationSystem.Becauseofthecomplexityandvariability,thetechnologyremainspremature.andthetechnologyn∞dsforcontinuousstudiesandimprovements.Newsolutionsforsomekeyissuesofvehicledetectionareexplored,andexperimentsshowtheirefficiency.Thecommonlyuseddetectionmethods(frame-dif

6、ference,opticalflow,edgedetectionandbackground-difference)arefn-stlyintroduced.BasedonadaptiveKalmanfilter,thebackgroundisextractedandupdated.TwoadaptiveparametersareobtainedbyOtsuthreshold.Forrelativelysimplebackground,thenewmethodisabletoextractmovingvehicleswell,andisabletOada

7、pttOsuddenchangeinlight.ThentheprinciplesofGaussianMixtureModelandimplementationmethodsaredescribedindetail.Backgroundmodelestimation,estimatingthecurrentstatus,parametersestimation,parametersupdatinga∞included.neGaussianMixtureModelisimprovedinsomeaspects.Astheupdatingparameters

8、aresettoafixedvalue,theslowerbackgroundm

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。