视频图像序列中车辆目标的检测与识别研究

摘要

随着数字图像处理技术的发展，视频处理技术被逐步运用到交通检测中。通过单个或多个摄像头采集道路车辆的通行状况，加以基于图像的分析处理，来检测与识别车辆，获取车型、车速、车流量等信息，可配合信息管理系统来实现交通管理。该视频检测系统易于安装、工作稳定、具有丰富的可视信息，代表着交通监控系统的发展方向，是目前国内外研究的热点。 在视频图像获取过程中，摄像机轻微抖动、外接光照缓慢变化及树木扰动等外界环境变化影响运动目标的检测精度，针对这一问题，本文提出了一种存在运动目标情况下的背景重建算法，能较好地抑制外界环境变化带来的影响，可将动态背景获取及更新过程合二为一，具有较好的实时性。 在视频图像处理过程中，图像中的阴影、目标内部空洞等对定位精度影响较大，本文通过运动区域检测、噪声去除、连通单元标记、内部填充、目标提取、阴影消除等方法，对车辆目标区域进行了精确定位。 在车型识别过程中，车辆目标的几何形变对识别准确率影响较大，针对这一问题，本文提出了两种解决方法。一种是基于车辆轮廓特征的车型分类识别方法，该方法先用边界矩、体态比、矩形度、伸长度、圆形度等车辆轮廓形态特征分量构成一个特征向量组，再以欧氏距离为判据实现车型的识别分类，取得了较为理想的效果。另一种是基于车辆轮廓定位匹配的车型分类识别方法，该方法将对噪声和形变适应性较好的Hausdorff距离应用于车型识别分类中，因Hausdorff距离计算耗时长，本文提出了一种改进方法，先利用外接矩形进行预匹配，再利用的Hausdorff距离进行轮廓的精确匹配，实现车辆目标的精确识别，具有较好的实时性。 针对雷达测速存在设备复杂、稳定性较差且无可视信息等问题，采用一种基于序列图像分析的车辆测速方法，通过对单位时间间隔的两帧序列图像分析实现车速高精度测量，并对速度测量误差进行了分析。 针对地埋式感应线圈安装复杂且易被损坏等问题，采用模拟地埋式感应线圈进行车流量统计的方法，在划定的车道上设置一定大小范围的虚拟检测区域，通过检测该区域的灰度变化来统计车流量。 对上述算法进行了仿真实验，结果表明其算法检测精度高、实时性好，在高速公路自动收费站、自动收费停车场等场合具有较高的实用价值。

目录

文摘

英文文摘

论文说明：符号说明

1绪论

1.1课题研究背景及意义

1.2车辆目标检测与识别技术及其发展

1.2.1车辆目标检测技术

1.2.2车辆目标识别技术

1.2.3车辆测速及流量统计

1.3运动目标检测与识别的一般流程

1.4本文的研究内容

2视频序列图像的预处理技术

2.1视频图像序列采集

2.2图像的噪声处理

2.3颜色空间转换技术

2.4形态学处理

2.5本章小结

3视频图像序列中车辆目标的检测方法

3.1视频目标检测算法

3.1.1光流法

3.1.2帧差法

3.1.3背景减法

3.2自适应分割阈值选取算法

3.2.1最优分割阈值

3.2.2迭代法分割阈值

3.2.3最大类间方差分割阈值

3.2.4实验结果

3.3基于背景重建的车辆目标检测方法

3.3.1背景重建算法

3.3.2车辆目标提取

3.3.3目标阴影消除

3.3.4实验结果

3.4本章小结

4视频图像序列中车辆目标的识别方法

4.1目标特征的提取及描述

4.1.1边缘和轮廓特征

4.1.2区域形状的特征

4.2基于车辆轮廓特征的车型识别分类方法

4.2.1识别原理

4.2.2基于轮廓特征的匹配

4.2.3实验结果

4.3基于车辆轮廓定位匹配的车型识别方法

4.3.1识别原理

4.3.2基于Hausdorff距离的轮廓匹配

4.3.3实验结果

4.4本章小结

5基于视频图像序列的车辆测速及车流量统计

5.1视频测速原理

5.1.1摄像机定位

5.1.2车辆目标的定位

5.1.3视频测速

5.1.4视频测速误差分析

5.1.5实验结果

5.2车流量的统计

5.2.1模拟地埋式车流量检测原理

5.2.2实验结果

5.3本章小结

6总结与展望

6.1本文工作及成果总结

6.2下一步的研究工作

参考文献

致谢

攻读硕士期间发表的学术论文和参加的项目