基于视频图像的规定路段限行车辆检测技术研究

摘要

交通法中对专用车道或规定路段有严格的规定，不允许除规定车辆以外的车辆在其中行驶。对有限制条件的路段，通常采用人工检测方式，为此需要大量的人力物力，而且这种人工的方法，往往存在工作效率低、判断遗漏等问题。本文在对视频图像检测技术和特征值分析等关键技术研究的基础上，设计实现了一种违章车辆检测系统，在交通监控视频中自动检测在规定路段中行驶的限行车辆。 该系统的建立主要涉及两个问题：车辆特征提取以及车辆分类器的建立。针对交通监控系统中对车辆特征描述有较高的准确率要求，采用基于统计理论的Haar特征矩形的图像特征提取方法。该方法通过对图像中的区域信息进行编码，使得图像处理过程从像素空间转换到Haar特征空间；针对监控系统实时性要求较高的特点，采用Adaboost学习算法建立了车辆分类器。使用限行车辆的训练样本对特征所对应的弱分类器进行训练，挑选出最优的弱分类器构成强分类器，并基于层叠的思想将几个强分类器按照结构复杂性顺序相组合，构建出层叠分类器，加快了车辆检测的速度。 最后以卡车为例，使用青岛市的交通监控视频，对某些路段中违章行驶的卡车进行实时检测。实验表明，该系统实时性好，识别率较高。

目录

文摘

英文文摘

声明

第一章绪论

1.1选题的背景与意义

1.2国内外研究现状与发展

1.2.1车辆检测技术

1.2.2视频检测技术

1.2.3技术难点分析

1.3本文的主要工作

1.4本文的组织结构

第二章动态检测技术

2.1差分法动态检测

2.2光流法动态检测

2.3块动态检测

2.4本章小结

第三章运动跟踪技术

3.1 MeanShift运动跟踪方法

3.2 CamShift运动跟踪方法

3.3本章小结

第四章限行车辆检测系统

4.1系统功能模块

4.2训练模块

4.2.1 Harr特征

4.2.2积分图

4.2.3分类器

4.3图像采集模块

4.4检测模块

4.5实验结果

4.6系统分析

4.7本章小结

第五章总结与展望

5.1总结

5.2展望

参考文献

攻读学位期间的研究成果

致谢