版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、智能交通的理念是二十世紀(jì)早期被人們所提出的,隨著城市建設(shè)日益發(fā)展,智能化的交通監(jiān)控越來(lái)越被人們所需要,可以說(shuō)它是科技發(fā)展所帶來(lái)的必然產(chǎn)物。車(chē)輛檢測(cè)系統(tǒng)智能交通的非常重要構(gòu)成部分,它是利用圖像處理的一些技術(shù)來(lái)獲取信息并做出進(jìn)一步分析從而進(jìn)行判斷的,對(duì)交通檢測(cè)的自動(dòng)化管理起到很大作用。它首先通過(guò)架設(shè)在交通路面上的監(jiān)控設(shè)備實(shí)時(shí)的拍攝路面信息,然后將這些所拍攝的畫(huà)面?zhèn)魉徒o車(chē)輛檢測(cè)系統(tǒng),系統(tǒng)對(duì)其進(jìn)行分析并得出結(jié)果,再把結(jié)果送給交通管理中心,管理中
2、心通過(guò)這些分析結(jié)果對(duì)交通進(jìn)行實(shí)時(shí)的控制與管理。與其相關(guān)的技術(shù)主要包括圖像處理,模式識(shí)別,機(jī)器學(xué)習(xí),視頻處理等計(jì)算機(jī)視覺(jué)知識(shí)。
本文使用了HOG+SVM的視頻車(chē)輛檢測(cè)方法,首先利用直方圖均衡結(jié)合差分高斯濾波和對(duì)比度均衡化的預(yù)處理方法,去除了強(qiáng)光及光照不均勻?qū)D像質(zhì)量的影響;再引用了全局和局部特征的融合辦法去獲取車(chē)輛特征。然后對(duì)大量車(chē)輛HOG特征訓(xùn)練SVM分類(lèi)器,然后從這些特征分類(lèi)器中選出分類(lèi)效果較好的。再隨后用各個(gè)分類(lèi)器對(duì)訓(xùn)練樣
3、本的分類(lèi)結(jié)果組合成新的特征向量,接著對(duì)那些向量再次用SVM得出最后的分類(lèi)器用以檢測(cè)車(chē)輛。最后在提取矩形檢測(cè)范圍時(shí)做一些形態(tài)上的處理和優(yōu)化,用以為隨后的跟蹤算法做準(zhǔn)備,畢竟當(dāng)車(chē)輛在視頻中某一幀被檢測(cè)出來(lái)時(shí),無(wú)需對(duì)隨后的每一幀進(jìn)行同樣復(fù)雜的檢測(cè)操作,只需利用跟蹤算法求出相應(yīng)的位置變化即可。
本文實(shí)驗(yàn)部分給出并展示了一些相關(guān)的檢測(cè)結(jié)果,從這些結(jié)果可以看出本文算法在針對(duì)大部分車(chē)輛復(fù)雜場(chǎng)景都能很好應(yīng)對(duì),對(duì)于某些極端情況,本文也給出了分析
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于車(chē)輛聲信號(hào)的SVM及CNN車(chē)型分類(lèi)識(shí)別方法研究.pdf
- 基于FTA-SVM的車(chē)輛發(fā)動(dòng)機(jī)故障識(shí)別方法研究.pdf
- 基于SVM的人臉識(shí)別方法研究.pdf
- 基于Adaboost和SVM的車(chē)牌識(shí)別方法研究.pdf
- 基于hog_pca的交通標(biāo)志識(shí)別方法
- 基于PCA-HOG與LBP特征融合的靜態(tài)手勢(shì)識(shí)別方法研究.pdf
- 基于HOG特征LBP特征的人臉識(shí)別方法研究.pdf
- 基于svm的群體異常行為識(shí)別方法研究正文
- 基于特征融合和SVM的步態(tài)識(shí)別方法研究.pdf
- 基于Adaboost和SVM的車(chē)標(biāo)識(shí)別方法研究.pdf
- 基于SVM和ELM的人臉識(shí)別方法.pdf
- 基于稀疏表示的車(chē)輛識(shí)別方法研究.pdf
- 基于DCV和SVM的人臉識(shí)別方法研究與實(shí)現(xiàn).pdf
- 基于PCA和SVM的車(chē)標(biāo)識(shí)別方法研究.pdf
- 基于GMM和SVM的說(shuō)話人識(shí)別方法研究.pdf
- 基于主動(dòng)學(xué)習(xí)SVM的字符識(shí)別方法研究.pdf
- 改進(jìn)的SVM模式識(shí)別方法.pdf
- 基于視頻的車(chē)輛細(xì)節(jié)特征識(shí)別方法研究.pdf
- 基于SVM模式識(shí)別方法的橋梁頻域損傷識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論