車輛檢測中的關(guān)鍵算法的研究.pdf

1、當前，智能交通系統(tǒng)是計算機視覺的一個重要研究方向。與傳統(tǒng)方法相比，智能交通系統(tǒng)具有成本低、性能好、功能多等優(yōu)點。視頻車輛的檢測是智能交通系統(tǒng)的核心技術(shù)，也是智能交通系統(tǒng)中其他技術(shù)的基礎。由于運動車輛檢測技術(shù)的復雜性，該技術(shù)仍處在起步階段，需要不斷的研究并加以改進。本論文針對車輛檢測中一些關(guān)鍵問題進行了探索和研究，提出了新的方法，并通過實驗證明了新方法的有效性。主要研究包括以下幾個方面： 1.由于對車輛檢測需要比較清晰的監(jiān)控視頻圖

2、像輸入，因此圖像增強技術(shù)作為對圖像的預處理，起到很重要的作用。所以本文對圖像增強技術(shù)進行研究。首先介紹視頻圖像增強中的兩種常用算法(直方圖均衡化法及鈍化算法)，并針對現(xiàn)有的算法對圖像局部細節(jié)增強效果不足的缺點，提出結(jié)合自適應閾值圖像選取和非線性增益算子的圖像增強方法。通過與已有的算法的仿真比較，證明本算法取得更好的增強效果。 2. 在運動車輛的檢測中，由于受到光照變化、惡劣天氣、搖動樹木等運動背景的影響，無法準確地檢測出運動車輛

3、，并且無法避免動態(tài)背景造成的檢測虛警。通過對運動背景和運動車輛的實驗分析發(fā)現(xiàn)，動態(tài)背景和運動車輛的運動向量具有不同的特征分布。本文根據(jù)這一特點，在高斯運動模型法[32]的基礎上，對動態(tài)背景和運動車輛分別進行運動向量建模，進而利用序列的幀內(nèi)信息，引入修正因子，最后使用貝葉斯算法判斷運動像素屬于動態(tài)背景或是運動車輛。通過與常用運動車輛檢測算法實驗比較，本文提出的基于運動向量模型的運動車輛檢測方法具有更高的車輛檢測精度。 3.在圖像的