学位论文 > 优秀研究生学位论文题录展示
基于红外视频目标检测和跟踪的交通参数提取技术研究
作 者: 周烈才
导 师: 李飚
学 校: 国防科学技术大学
专 业: 电子与通信工程
关键词: 智能交通系统 红外图像 Mean-shift 交通参数提取
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 36次
引 用: 0次
阅 读: 论文下载
内容摘要
智能交通系统是城市交通监控、交通调度和交通控制的最优解决手段,而交通信息的实时采集与处理是交通管理智能化的前提,建立道路交通信息的实时采集系统也就成为交通管理智能化的首要任务。本文根据实施智能交通管理对获取交通参数的需求,研究了基于红外视频目标检测和跟踪的城市交叉路口交通参数提取问题。为了获取交叉路口的交通参数,首先对红外成像的车辆目标进行检测识别,然后要对车辆进行跟踪获得车辆的运动轨迹,最后根据车辆的运动轨迹计算出各种所需的交通参数。论文主要研究内容如下:(1)研究了红外图像的成像原理及其特征,分析了城市道路和车辆目标的红外特性,并给出了道路以及车辆目标的红外图像预处理方法。(2)研究了城市交通道路的检测方法,根据城市交通道路边缘结构上的直线特征,采用Hough变换法提取出道路区域。(3)提出了一种基于改进帧平均法的背景初始化与更新方法,该方法首先用帧差分法或背景差分法将原始帧中的目标提取出来,然后用背景像素值代替这些目标像素,以消除目标灰度值对帧平均法生成背景的影响。只需累加数帧图像,即可生成高质量背景,在此基础上利用背景差分法可以有效地提取出目标区域。(4)针对多目标环境下的车辆跟踪问题,提出一种基于GM(1,1)预测模型和Mean-shift匹配关联的车辆跟踪方法,该方法用GM(1,1)预测模型取代传统的Kalman预测与滤波方法,并用Mean-shift匹配关联法取代传统的单纯从位置上进行概率关联的方法。仿真结果表明新方法能很好地解决车辆跟踪这种“小样本,贫信息不确定问题”。接着在稳定跟踪目标的基础上,研究了城市交叉路口的交通参数提取方法。最后一部分对全文工作进行了总结,并对未来的研究工作做展望!
|
全文目录
表目录 6-7 图目录 7-8 摘要 8-9 ABSTRACT 9-10 第一章 绪论 10-16 1.1 课题背景 10-11 1.2 国内外研究现状 11-14 1.3 论文的主要研究内容及结构安排 14-16 第二章 红外图像特性分析与预处理技术研究 16-28 2.1 引言 16 2.2 红外交通图像特性分析 16-21 2.2.1 红外成像的基本理论及主要特点 16-19 2.2.2 红外图像模型 19 2.2.3 城市交通道路的红外特性 19-20 2.2.4 车辆的红外特性 20-21 2.3 形态学滤波 21-24 2.3.1 灰度形态学的基本运算 21-23 2.3.2 形态学图像平滑处理 23 2.3.3 形态学图像梯度 23-24 2.4 图像的阈值分割 24-27 2.4.4 基于直方图的方法 25 2.4.5 最优阈值法 25-27 2.5 小结 27-28 第三章 基于红外视频图像的车辆目标检测 28-46 3.1 引言 28 3.2 道路的检测 28-35 3.2.1 图像的边缘检测 28-31 3.2.2 基于Hough变换的城市交通道路边缘直线检测 31-35 3.3 车辆目标的检测 35-44 3.3.1 帧差分法 36-37 3.3.2 背景差分法 37-39 3.3.3 基于改进帧平均法的背景生成 39-42 3.3.4 仿真结果及分析 42-44 3.4 小结 44-46 第四章 多目标环境下车辆跟踪与交通参数提取 46-71 4.1 引言 46 4.2 多目标跟踪基本原理 46-53 4.2.1 目标运动模型 47-50 4.2.2 滤波与预测方法 50-51 4.2.3 多目标跟踪中的数据关联方法 51-53 4.3 基于GM(1,1)预测模型和Mean-shift匹配关联的车辆跟踪 53-66 4.3.1 GM(1,1)灰色预测模型 53-57 4.3.2 基于Mean-shift算法的匹配关联 57-62 4.3.3 基于GM(1,1)预测模型和Mean-shift匹配关联的车辆跟踪 62-65 4.3.4 仿真结果与分析 65-66 4.4 交通参数提取 66-70 4.5 小结 70-71 第五章 结束语 71-73 致谢 73-74 参考文献 74-78 作者在学期间取得的学术成果 78
|
相似论文
- 空中目标与背景的红外图像仿真技术研究,TP391.41
- Mean Shift结合拓扑约束法进行高密度细胞追踪,Q25
- 基于EMD的车牌识别方法及应用,TP391.41
- 基于车载3D加速传感器的路况监测研究,TP274
- 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
- 视频图像序列中运动目标的获取与跟踪,TP391.41
- 基于KLT与Mean-Shift的目标跟踪研究,TP391.41
- 城市交通智能控制策略与仿真系统研究,U495
- 嵌入式目标检测与跟踪系统设计及算法实现,TP391.41
- 增强现实中虚拟物体注册方法的研究,TP391.41
- 视频跟踪中Mean-Shift算法的应用研究,TP391.41
- 基于嵌入式系统的公交站牌动态显示系统,U495
- 智能监控系统物品安全检测关键技术研究和实现,TP277
- 基于视觉的粒子滤波目标跟踪算法及其在移动机器人中的应用,TP242
- 无线传感器网络中的追击者—逃跑者跟踪问题研究,TP212.9
- 视频图像中的运动目标跟踪算法研究,TP391.41
- 视频图像序列中运动目标检测和跟踪的研究,TP391.41
- 基于均值漂移的图像跟踪技术研究与实现,TP391.41
- 基于Mean Shift算法和卡尔曼滤波的视频目标跟踪技术研究,TP391.41
- 基于图像处理的目标识别和跟踪算法研究,TP391.41
- 图像分割方法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|