视频场景中车流识别与统计.doc
约41页DOC格式手机打开展开
视频场景中车流识别与统计,2万字 41页 原创作品，已通过查重系统 目录第一章 绪论11.1 论文研究背景及意义11.2 国内外研究现状21.3 论文研究的主要内容3第二章 图像处理预备知识与系统预处理42.1 彩色图像空间42.1.1 rgb颜色模式42.1.2 yuv颜色模式42.1.3 hsv颜色模式52.2图像滤...
内容介绍
此文档由会员 大雨倾盆 发布
视频场景中车流识别与统计
2万字 41页 原创作品，已通过查重系统
目 录
第一章 绪论 1
1.1 论文研究背景及意义 1
1.2 国内外研究现状 2
1.3 论文研究的主要内容 3
第二章 图像处理预备知识与系统预处理 4
2.1 彩色图像空间 4
2.1.1 RGB颜色模式 4
2.1.2 YUV颜色模式 4
2.1.3 HSV颜色模式 5
2.2图像滤波处理 6
2.2.1 均值滤波 6
2.2.2 中值滤波 7
2.2.3 形态学滤波 7
2.2.4 连通域滤波 8
2.3 图像分割 8
2.3.1 基于阈值的图像分割 9
2.3.2 基于边缘的图像分割 9
2.3.3 连通区域标记 10
2.4 选用的视频材料 12
2.5 预处理及实验结果 13
2.6 小结本章 13
第三章 运动车辆检测算法研究 14
3.1 运动目标检测算法 14
3.1.1 帧间差分法 14
3.1.2 背景差分法 15
3.1.3 光流法 15
3.2 常见的背景提取算法 17
3.2.1 中值法背景建模 17
3.2.2 多帧平均背景建模 18
3.3 提出的背景建模方法 19
3.3.1背景建模算法介绍 19
3.3.2 实验结果分析 21
3.4 小结 23
第四章 车辆交通参数提取 24
4.1 虚拟线圈检测基础 24
4.1.1 交通参数的定义 24
4.1.2 虚拟线圏的设置 24
4.2 检测线灰度变化的车辆计数判定 25
4.3 提出的车辆计数判定法 27
4.4 实验结果分析 28
4.5小结 29
第五章 总结与展望. 30
5.1 总结 30
5.2 展望 31
致 谢 33
参考文献 34
摘要 智能视频监控是计算机视觉领域的一个新兴的研究方向和备受关注的前沿 课题，在不需要人为干预的情况下，对图像序列进行自动分析，实现对动态场 景中的运动自标检测、跟踪和行为理解等操作，并能够根据分析结果判断是否 发出报警。智能视频监控系统克服了传统监控需要工作人员实时观测的缺陷，节省了人力物力，增强了监控判断的准确性，在军事、交通、银行等重要场所 的监控中有着广泛的应用前景。而利用视频技术进行交通数据采集己成为智能 交通系统中的核心内容和关键技术，它具有覆盖面积大、获取交通信息量丰富 等优点。
论文的研究重点是通过交通视频图像，提取运动的车辆信息并去除有相同 运动特征的车辆阴影，获取交通路口的实时车流量信息，反馈给交通控制中心 进行交通控制管理。主要包含三个部分：运动车辆检测，阴影检测以及车流量 提取。在运动车辆检测部分，通过对现有的各种运动目标检测技术的分析和比. 较，提出了一种均值滤波的直方图统计法与像素均值法结合的背景建模方法，并利用单高斯模型实时更新背景，算法简单，能快速获取较为精确的实时背景 模型。该方法较混合高斯背景模型而言，计算简洁，且在初始输入帧的背景学 习中更为精确。提取的运动车辆差分图选用OTSU方法实现二值化，能保留大 量的运动车辆信息，二值化效果良好。在阴影检测部分，通过分析现有的基于 颜色空间和梯度的阴影检测方法，提出了一种结合颜色空间和梯度的阴影检测 方法，该方法能有效的去除阴影并保留较为完整的车辆信息，减少空洞现象。在车流量检测部分，介绍了基于虚拟线圈的车流量检测方法，以及基于矩形连 通区域面积的车辆判定法，并提出了一种新的判定依据，基于运动目标外接矩 形中心点的判定方法，该方法能有效的减少跨道以及车体颜色与地面相似等因 素造成的误判，检测效果良好。
基于视频图像处理的车流量检测算法原理简单，计算便捷，且对于车流量 数据的提取更为精确，通过大量实验仿真，能很好的实现系统预定的车流量统 计功能。
关键词：车流检测，直方图，单高斯，阴影去除，虚拟线圈
2万字 41页 原创作品，已通过查重系统
目 录
第一章 绪论 1
1.1 论文研究背景及意义 1
1.2 国内外研究现状 2
1.3 论文研究的主要内容 3
第二章 图像处理预备知识与系统预处理 4
2.1 彩色图像空间 4
2.1.1 RGB颜色模式 4
2.1.2 YUV颜色模式 4
2.1.3 HSV颜色模式 5
2.2图像滤波处理 6
2.2.1 均值滤波 6
2.2.2 中值滤波 7
2.2.3 形态学滤波 7
2.2.4 连通域滤波 8
2.3 图像分割 8
2.3.1 基于阈值的图像分割 9
2.3.2 基于边缘的图像分割 9
2.3.3 连通区域标记 10
2.4 选用的视频材料 12
2.5 预处理及实验结果 13
2.6 小结本章 13
第三章 运动车辆检测算法研究 14
3.1 运动目标检测算法 14
3.1.1 帧间差分法 14
3.1.2 背景差分法 15
3.1.3 光流法 15
3.2 常见的背景提取算法 17
3.2.1 中值法背景建模 17
3.2.2 多帧平均背景建模 18
3.3 提出的背景建模方法 19
3.3.1背景建模算法介绍 19
3.3.2 实验结果分析 21
3.4 小结 23
第四章 车辆交通参数提取 24
4.1 虚拟线圈检测基础 24
4.1.1 交通参数的定义 24
4.1.2 虚拟线圏的设置 24
4.2 检测线灰度变化的车辆计数判定 25
4.3 提出的车辆计数判定法 27
4.4 实验结果分析 28
4.5小结 29
第五章 总结与展望. 30
5.1 总结 30
5.2 展望 31
致 谢 33
参考文献 34
摘要 智能视频监控是计算机视觉领域的一个新兴的研究方向和备受关注的前沿 课题，在不需要人为干预的情况下，对图像序列进行自动分析，实现对动态场 景中的运动自标检测、跟踪和行为理解等操作，并能够根据分析结果判断是否 发出报警。智能视频监控系统克服了传统监控需要工作人员实时观测的缺陷，节省了人力物力，增强了监控判断的准确性，在军事、交通、银行等重要场所 的监控中有着广泛的应用前景。而利用视频技术进行交通数据采集己成为智能 交通系统中的核心内容和关键技术，它具有覆盖面积大、获取交通信息量丰富 等优点。
论文的研究重点是通过交通视频图像，提取运动的车辆信息并去除有相同 运动特征的车辆阴影，获取交通路口的实时车流量信息，反馈给交通控制中心 进行交通控制管理。主要包含三个部分：运动车辆检测，阴影检测以及车流量 提取。在运动车辆检测部分，通过对现有的各种运动目标检测技术的分析和比. 较，提出了一种均值滤波的直方图统计法与像素均值法结合的背景建模方法，并利用单高斯模型实时更新背景，算法简单，能快速获取较为精确的实时背景 模型。该方法较混合高斯背景模型而言，计算简洁，且在初始输入帧的背景学 习中更为精确。提取的运动车辆差分图选用OTSU方法实现二值化，能保留大 量的运动车辆信息，二值化效果良好。在阴影检测部分，通过分析现有的基于 颜色空间和梯度的阴影检测方法，提出了一种结合颜色空间和梯度的阴影检测 方法，该方法能有效的去除阴影并保留较为完整的车辆信息，减少空洞现象。在车流量检测部分，介绍了基于虚拟线圈的车流量检测方法，以及基于矩形连 通区域面积的车辆判定法，并提出了一种新的判定依据，基于运动目标外接矩 形中心点的判定方法，该方法能有效的减少跨道以及车体颜色与地面相似等因 素造成的误判，检测效果良好。
基于视频图像处理的车流量检测算法原理简单，计算便捷，且对于车流量 数据的提取更为精确，通过大量实验仿真，能很好的实现系统预定的车流量统 计功能。
关键词：车流检测，直方图，单高斯，阴影去除，虚拟线圈
