交通对象识别关键技术研究

摘要

对象识别是计算机视觉一个重要分支，对象识别在智能机器人、智能交通监控、和智能家居中都有着重要的应用。交通对象识别是智能交通和无人驾驶研究领域内的重点和难点，它主要通过计算机视觉完成对道路上车辆和行人的识别。因为交通对象识别对系统的时实性要求比较高，特别是在车辆遮挡时大大增加了识别的难度。
　　本文在研究对象识别的基础上研究了交通对象识别的几个关键技术，主要研究内容如下：
　　第一章重点概括了本研究课题的研究目的和意义，并从国内和国外两个方面阐述了，交通对象识别的研究现状。
　　第二章主要研究了图像处理基本算法，包括几种常用的颜色空间模型、空间和频率滤波，以及学用的两种图像特征LBP特征和Sift特征的原理与提取算法。
　　第三章主要研究了基于Haar分类器的车辆识别算法，其中重点分析了强弱分类器的算法原理和Haar分类器的组成原理，并利用积分图方法快速计算图像的Haar-like特征，最后给出了Haar分类器识别车辆的检测结果。
　　第四章主要研究了视频中运动车辆的检测算法，其中主要介绍了单高斯背景建模法和混合高斯背景建模法，并指出混合高斯背景建模法存在的一些问题，给出了改进的措施，在最后给出了利用混合高斯背景建模和改进行的混合高斯背景建模检测动车车辆的对比结果和相关数据的分析。
　　第五章主要研究了交通对象中行人的识别算法，其中主要研究了Hog特征和SVM的算法原理，并提出利用双重分类器识别行人的方法，在最后给出了双重分类器的识别结果和Opencv自带Hog识别行人的对比结果。
　　第六章全文总结，总结了全文中的研究内容的创新点，并提出方法的不足之处和展望。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究目的与意义

1.2国内外研究现状

1.3论文主要研究内容

1.4论文的章节安排

第二章 对象识别相关算法理论基础

2.1图像处理基础理论

2.2图像特征

2.3本章小结

第三章 基于Haar分类器的车辆识别

3.1引言

3.2 AdaBoost分类器

3.3 Haar分类器

3.4实验及分析

3.5本章小结

第四章 基于背景建模运动车辆检测

4.1引言

4.2单高斯背景建模

4.3混合高斯背景建模

4.4改进行混合高斯背景建模运动车辆检测

4.5本章小结

第五章 HOG+SVM+Adaboost行人识别

5.1引言

5.2 HoG特征

5.3支持向量机(SVM)算法

5.4 Adaboost+SVM组合分类器

5.5训练样本与视频序列的采集

5.6实验及分析

5.7本章小结

第六章 结论

6.1全文总结

6.2创新点

6.3展望

参考文献

致谢

攻读学位期间的研究成果