基于視頻的公交車輛檢測與識別研究.pdf

1、車輛檢測和車型識別技術(shù)在智能交通系統(tǒng)中占據(jù)重要地位，傳統(tǒng)的感應(yīng)線圈、超聲波檢測器等車輛檢測方法已很難滿足成本低廉、可靠性強(qiáng)、使用壽命長的要求。本文運(yùn)用車輛視頻檢測的方法，從運(yùn)動前景、分類器檢測和顏色特征三個方面對視頻序列中的公交車輛進(jìn)行檢測和研究，具體內(nèi)容如下：
　?。?）運(yùn)用組合前景的方法，結(jié)合形態(tài)學(xué)處理和閾值法去陰影，從視頻序列中找出運(yùn)動的車輛。首先研究分析了常用的濾波方法，對中值濾波、高斯濾波、雙邊濾波方式進(jìn)行針對性的實(shí)驗(yàn)，

2、選擇最能適應(yīng)公交車輛檢測的濾波方法。研究和對比前景提取方法（幀差法和光流法）和背景建模法(單高斯模型、混合高斯模型、均值模型等)，最后結(jié)合幀差法和高斯模型尋找運(yùn)動的車輛前景。
　?。?）使用 AdaBoost算法和 Haar特征訓(xùn)練出的分類器對前景中的車輛進(jìn)行分類和檢測。首先對Haar和LBP特征、積分圖、分類器訓(xùn)練的過程和方法進(jìn)行分析和實(shí)驗(yàn)，接著使用 AdaBoost算法和 Haar及 LBP特征訓(xùn)練出兩個強(qiáng)分類器，對比兩種特征

3、的檢測效果，并考慮每種特征訓(xùn)練所需時間和車輛檢測實(shí)時性的要求，最后選擇 Haar特征的分類器。
　　（3）采用車窗定位和特征顏色像素個數(shù)占車窗區(qū)域面積比率的方法對分類器檢測的結(jié)果進(jìn)行區(qū)分，即區(qū)分公交車輛和大客車車輛。考慮公交車輛的前后車窗均有用來標(biāo)示公交線路的某種特定顏色的車標(biāo)信息，而其他大客車的這種特征顏色信息明顯很少，可以使用定位車窗，接著統(tǒng)計(jì)車窗區(qū)域特征像素所占比率的方法來區(qū)分兩種不同車輛。分析比較了 Canny、Sobel