基于计算机视觉的汽车流量检测研究

摘要

该文首先根据输入的实时图像序列,进行自适应学习以重建出背景,在此基础上将输入的道路实时图像和背景图像进行差分运算.该文实现了一个由图像获取、运动检测、形态滤波、连通域分析、运动跟踪等部分组成的车流检测和运动目标跟踪系统,并针对实现过程中遇到的问题及难点提出了相应的解决方法.该论文分为以下六个部分.第一部分介绍了计算机视觉系统的发展过程及其在智能交通系统中的应用,并对车流检测和运动目标跟踪的方法进行了比较;第二部分着重研究了从序列视频图像中重建出真实背景的技术,并对其中所表现出的问题提出了相应的改进方案,取得了良好的效果;第三部分针对实时视频图像和背景差分后的灰度图像进行预处理,重点讨论了弱目标的二值化问题及图像的形态学滤波;第四部分介绍了线段编码在该系统中的应用,提出了一种快速分割目标并同时提取出其特征参数的方法,并将其和常规算法进行了比较;第五部分介绍了目标区域合并的过程,着重研究了运动目标跟踪的方法,通过建立目标的运动状态来辨识目标的遮挡问题,并利用α-β-γ滤波器来预测物体下一时刻的运动位置,减小目标匹配的搜索范围;第六部分介绍了整个系统的组成结构和软件框架,并对道路处于阻塞状况下的交通参数的检测方法进行了讨论.

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2视频目标识别与跟踪方法概述

1.3视频运动目标检测和跟踪方法的比较

1.4图像目标的识别和跟踪在智能交通系统中的应用

1.5本文所涉及的问题及所做的工作

第二章序列图像背景学习重建的研究

2.1邻帧差分运动检测分析

2.2背景重建技术

2.3背景重建实验结果

2.4非理想背景重建的若干问题

2.5本章总结

第三章图像的预处理

3.1灰度图像的二值化

3.1.1灰度图像的二值化概述

3.1.2图像直方图的获取

3.1.3直方图技术

3.1.3 Otsu方法

3.1.4实验结果

3.2二值化图像的形态滤波

3.2.1形态滤波的引入

3.2.2形态滤波概述

3.2.3形态算子

3.2.4图像的腐蚀

3.2.5图像的膨胀

3.2.6图像的开启和闭合

3.2.7实验结果

3.3本章小结

第四章运动目标的分割和特征提取

4.1概述

4.2连通域的几何特征描述

4.3线段编码分割和几何特征参数的快速提取

4.3.1线段编码分割的原理

4.3.2快速特征参数提取方法的数理描述

4.3.3特征参数提取的快速实现

4.3.4算法性能分析

第五章运动目标的识别和跟踪

5.1简述

5.2目标区域的合并

5.3目标跟踪的一般方法

5.4运动目标跟踪的常见问题

5.5目标运动状态的建立与识别

5.5.1目标运动状态参数的建立

5.5.2目标运动状态的识别

5.6目标运动状态的估计与预测

5.6.1概述

5.6.2 Kalman滤波器

5.6.3α-β-γ滤波器

5.7本章小结

第六章系统应用

6.1系统结构

6.2道路阻塞情况下交通参数的检测

结束语

参考文献

致谢

申明