基于视频的运动车辆检测与跟踪.rar
基于视频的运动车辆检测与跟踪,2.32万字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用摘要基于视频的运动车辆的检测与跟踪是智能交通信号系统和先进交通事件管理系统的重要支撑，是智能交通系统中的一项重要课题。本文将围绕视频车辆检测与跟踪的相关技术展开研究，主要研究内容及成果包括：（1...
该文档为压缩文件,包含的文件列表如下:
内容介绍
原文档由会员 淘宝大梦 发布
基于视频的运动车辆检测与跟踪
2.32万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘 要
基于视频的运动车辆的检测与跟踪是智能交通信号系统和先进交通事件管理系统的重要支撑，是智能交通系统中的一项重要课题。本文将围绕视频车辆检测与跟踪的相关技术展开研究，主要研究内容及成果包括：
（1）交通场景前景提取算法的研究。分析了目前运动前景检测的几种算法。针对一般的交通场景，提出了一种改进的混合高斯模型来检测场景中的运动前景。所提算法能实时有效的进行前景提取。
（2）运动目标分类算法的研究。结合目标前景的形态特征与运动特征，设计了基于多类支持向量机的分类算法，并用目标轨迹轴上分类结果的概率统计进行分类结果的修正。算法能够将前景目标划分成小型车、大型车、行人及其自行车类型，并具备了较高的准确率。
（3）运动目标跟踪算法的研究。综合考虑了目标的位置、速度、形状参数，将最短距离法和三次指数平滑预测算法相结合，进行前后帧之间的参数匹配，完成跟踪。
关键词：背景建模 目标分类 车辆跟踪
Abstract
Technology of detection and tracking of vehicles based on video has become an important subject of intelligent transportation system. This paper launched a study on the key technology in traffic incident detection process. The main research contents and results include:
(1) Research on object detection algorithm for common traffic scene. This paper analyzes and studies some methods in background extraction and updating background. Focus on common traffic scenes, an improved Gaussian mixture model is proposed to detect moving targets in the dynamic scenes., which can extract the real-time background image and implement background real-time updating effectively.
(2) Research on traffic object classification and tracking algorithms. Combining morphological feature and moving feature of foreground, a classification algorithm based on multi-class support vector machine is designed. After that, statistical probability of classification results in target trajectory axis is used to modify the result. This algorithm can accurately divide foreground objects into small cars, large cars, pedestrians and bicycles. For target tracking problem, the position, velocity and shape parameter of target are all taken into account. Based on this, shortest distance method and three times of exponential smoothing prediction algorithm are combined to match parameters between the front frames and rear ones so that tracking can be accomplished.
(3) Research on moving vehicle shadows elimination. For target occlusion problem, this paper makes a study of gray-level distribution features of shadow and develops an effective shadow elimination method based on analyzing photometric gain properties of shadow and background region.
Keywords: background modeling; object classification; vehicle tracking
目 录
摘 要 I
Abstract II
第一章 绪论 1
1.1研究背景 1
1.2研究综述 2
1.2.1系统的发展历程 2
1.2.2相关算法的研究现状 4
1.3研究内容及章节安排 5
1.4研究意义 7
1.5本章小结 7
第二章 运动目标检测 8
2.1引言 8
2.2基于GMM的运动目标检测 10
2.2.1背景估计 10
2.2.2 状态估计 11
2.2.3 背景更新 14
2.3 试验结果及分析 15
第三章 运动目标分类 18
3.1 引言 18
3.2形态特征和运动特征相结合的目标特征表达 20
3.2.1 形态特征表达 21
3.2.2 运动特征表达 26
3.3基于SVM的目标分类 27
3.3.1 基本原理 27
3.3.2 分类器的构建 30
3.3.3 分类器的训练 31
3.3.4 分类器的识别 32
3.4基于最大概率统计的类别修正 34
3.5结果分析 35
第四章 运动车辆跟踪 36
4.1引言 36
4.2状态表达 37
4.3状态估计 38
4.4特征匹配与更新 39
4.4试验结果及分析 39
第五章 总结及展望 44
参考文献 45
2.32万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘 要
基于视频的运动车辆的检测与跟踪是智能交通信号系统和先进交通事件管理系统的重要支撑，是智能交通系统中的一项重要课题。本文将围绕视频车辆检测与跟踪的相关技术展开研究，主要研究内容及成果包括：
（1）交通场景前景提取算法的研究。分析了目前运动前景检测的几种算法。针对一般的交通场景，提出了一种改进的混合高斯模型来检测场景中的运动前景。所提算法能实时有效的进行前景提取。
（2）运动目标分类算法的研究。结合目标前景的形态特征与运动特征，设计了基于多类支持向量机的分类算法，并用目标轨迹轴上分类结果的概率统计进行分类结果的修正。算法能够将前景目标划分成小型车、大型车、行人及其自行车类型，并具备了较高的准确率。
（3）运动目标跟踪算法的研究。综合考虑了目标的位置、速度、形状参数，将最短距离法和三次指数平滑预测算法相结合，进行前后帧之间的参数匹配，完成跟踪。
关键词：背景建模 目标分类 车辆跟踪
Abstract
Technology of detection and tracking of vehicles based on video has become an important subject of intelligent transportation system. This paper launched a study on the key technology in traffic incident detection process. The main research contents and results include:
(1) Research on object detection algorithm for common traffic scene. This paper analyzes and studies some methods in background extraction and updating background. Focus on common traffic scenes, an improved Gaussian mixture model is proposed to detect moving targets in the dynamic scenes., which can extract the real-time background image and implement background real-time updating effectively.
(2) Research on traffic object classification and tracking algorithms. Combining morphological feature and moving feature of foreground, a classification algorithm based on multi-class support vector machine is designed. After that, statistical probability of classification results in target trajectory axis is used to modify the result. This algorithm can accurately divide foreground objects into small cars, large cars, pedestrians and bicycles. For target tracking problem, the position, velocity and shape parameter of target are all taken into account. Based on this, shortest distance method and three times of exponential smoothing prediction algorithm are combined to match parameters between the front frames and rear ones so that tracking can be accomplished.
(3) Research on moving vehicle shadows elimination. For target occlusion problem, this paper makes a study of gray-level distribution features of shadow and develops an effective shadow elimination method based on analyzing photometric gain properties of shadow and background region.
Keywords: background modeling; object classification; vehicle tracking
目 录
摘 要 I
Abstract II
第一章 绪论 1
1.1研究背景 1
1.2研究综述 2
1.2.1系统的发展历程 2
1.2.2相关算法的研究现状 4
1.3研究内容及章节安排 5
1.4研究意义 7
1.5本章小结 7
第二章 运动目标检测 8
2.1引言 8
2.2基于GMM的运动目标检测 10
2.2.1背景估计 10
2.2.2 状态估计 11
2.2.3 背景更新 14
2.3 试验结果及分析 15
第三章 运动目标分类 18
3.1 引言 18
3.2形态特征和运动特征相结合的目标特征表达 20
3.2.1 形态特征表达 21
3.2.2 运动特征表达 26
3.3基于SVM的目标分类 27
3.3.1 基本原理 27
3.3.2 分类器的构建 30
3.3.3 分类器的训练 31
3.3.4 分类器的识别 32
3.4基于最大概率统计的类别修正 34
3.5结果分析 35
第四章 运动车辆跟踪 36
4.1引言 36
4.2状态表达 37
4.3状态估计 38
4.4特征匹配与更新 39
4.4试验结果及分析 39
第五章 总结及展望 44
参考文献 45
