基于支持向量机的车型分类视频检测研究与实现

摘要

智能交通系统ITS(Intelligent Transportation System)是交通现代化的必由之路，其目的在于充分利用现有的道路基础设施资源，改善车、路、人之间的相互作用，提高系统的安全性，高效性与舒适性，具有较高的社会效益和巨大的市场应用前景。 车辆的自动识别系统VRS(Vehicle Recognition System)是智能交通系统的重要组成部分，但在我国目前还处在探索研究的起步阶段，由于有不同的国情，直接引入国外的系统并不能满足我国复杂的交通系统，在这一背景下，本文对基于视频的车型识别系统的相关问题进行研究，主要包括： 在分析现有众多车辆检测算法的基础上，采用减背景法实现车辆目标的检测，该方法满足了静态背景下动态车辆检测的目的。对于运动车辆阴影的干扰问题，分析现有阴影分割算法所存在的问题，采用基于遗传算法图像分割方法对车辆图像的阴影进行分割。 利用图像配准技术和融合技术，对两个同质传感器拍摄的车辆图像进行配准和融合。根据同类传感器图像间的灰度具有较强的相关性的原理，采用模板匹配算法对图像进行配准。同时对图像的像素级融合技术开展研究，采用加权平均融合算法，对两个同质传感器获得的车辆图像进行像素级融合，在满足应用需求的同时，兼顾了运算简单，快速，易于实现的优点。 在车型分类方面，对经过前期处理的车辆图像做了边缘检测与形态学滤波、联通域处理，得到车辆的位置轮廓，根据投影和几何映射的关系计算出车辆的几何特征，并由分类标准提取出车型分类所需的特征向量。本文将支持向量机理论应用到视频状态的车型分类中，由于支持向量机仅适用于二值分类问题，在此采用“一对其余”的支持向量机多分类方法结合二叉决策树方法设计出车型分类器，克服了传统神经网络方法中无法避免的局部极值问题。 本文采用的方法适用于大面积、多目标的复杂场景，有效地减小干扰，满足自然条件良好的情况下视频监控的车型分类要求，并具有一定的理论意义和实用价值。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章绪论

1.1课题研究背景

1.2智能交通中车型分类技术

1.3基于视频的车型识别

1.4图像质量的评价

1.5论文的主要内容和安排

第2章车辆的目标检测与车辆图像处理

2.1车辆的目标检测

2.1.1车辆目标检测概述

2.1.2基于减背景法的目标检测

2.2车辆图像的预处理

2.2.1增强对比度

2.2.2直方图均衡化

2.2.3中值滤波

2.2.4图像标准化

2.3车辆阴影分割

2.3.1阴影的形成

2.3.2阴影分割的常用方法

2.3.3现有阴影分割方法存在的问题

2.3.4基于遗传算法的车辆图像阴影的分割

2.4车辆遮挡的处理

2.5本章小结

第3章车辆图像的配准与融合

3.1概述

3.2图像配准技术

3.2.1图像配准模型

3.2.2基于模板相关的匹配算法

3.3图像融合技术

3.3.1图像融合的分类

3.3.2图像融合的方法

3.3.3基于像素灰度值加权平均的图像融合

3.4配准融合效果的评价

3.5本章小结

第4章车辆图像的后处理与特征提取

4.1边缘检测

4.1.1车辆边缘检测方法概述

4.1.2基于Canny算子的边缘检测方法

4.2摄像机模型

4.2.1基于针孔模型的摄像机模型

4.2.2投影空间的几何映射关系

4.2.3 双目结构同源传感器的摄像机模型

4.2.4车辆高度、宽度和长度的计算

4.3特征提取

4.4本章小结

第5章基于支持向量机的车型分类

5.1概述

5.2现有的几种分类方法

5.3支持向量机理论

5.3.1线性学习器

5.3.2泛化性理论

5.3.3最优化理论

5.3.4核函数

5.3.5支持向量分类机

5.4现有的基于支持向量机多分类方法

5.5支持向量机分类器的设计

5.5.1分类器的训练与测试

5.5.2实验结果

5.6本章小结

总结与展望

参考文献

致 谢

附录 攻读学位期间所发表的学术论文目录