車輛信息的視頻提取方法及應(yīng)用研究.pdf

1、車輛識(shí)別和檢測(cè)是智能交通系統(tǒng)(Intelligent Transportation System, ITS)的基礎(chǔ)課題之一。其中車輛的視頻檢測(cè)技術(shù)是推進(jìn)ITS發(fā)展的一個(gè)重要研究方向，在道路監(jiān)控和不停車收費(fèi)系統(tǒng)等眾多方面有廣泛的應(yīng)用前景。但由于問(wèn)題的復(fù)雜性，有關(guān)這方面的研究進(jìn)展緩慢，有大量問(wèn)題急需解決，車型識(shí)別是其中的關(guān)鍵技術(shù)之一。針對(duì)上述問(wèn)題，本文從圖像分割技術(shù)、運(yùn)動(dòng)目標(biāo)的檢測(cè)與提取、車型的視頻檢測(cè)與分析等方面開展了研究。 針

2、對(duì)車輛檢測(cè)對(duì)圖像分割技術(shù)的要求，從分割質(zhì)量及分割效率兩方面展開了深入細(xì)致的研究工作。利用二維圖像分割技術(shù)分割質(zhì)量高，但運(yùn)算量較大，分割速度難以滿足實(shí)際應(yīng)用要求的特點(diǎn)，提出一種基于模式進(jìn)化機(jī)制的二維圖像分割技術(shù)，明顯改善圖像的二維分割效率。算法通過(guò)引入優(yōu)良模式和植入算子，避免了傳統(tǒng)的遺傳算法容易陷入局部最優(yōu)的不足。在優(yōu)化時(shí)間上也較傳統(tǒng)遺傳算法有了顯著提高。 結(jié)合停車場(chǎng)環(huán)境特點(diǎn)，研究了運(yùn)動(dòng)車輛的背景差分檢測(cè)技術(shù)。采用自適應(yīng)背景更新方

3、法，并實(shí)驗(yàn)比較選取了合適的更新系數(shù)，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的背景差分檢測(cè)。 針對(duì)基于視頻的車型分類，提出了兩級(jí)分類車型提取方法。在提取車輛形狀分散度、頂篷比等目標(biāo)特征的基礎(chǔ)上，實(shí)現(xiàn)車輛類型的歸類；利用車輪數(shù)、車軸距的檢測(cè)，準(zhǔn)確確定車型?？紤]到車輪輪廓提取的實(shí)時(shí)性要求，改進(jìn)了傳統(tǒng)Hough變換圓檢測(cè)方法，提出了基于連續(xù)曲線段的隨機(jī)Hough變換方法，減少了大量采樣無(wú)效累積。實(shí)驗(yàn)驗(yàn)證了所提算法的有效性。 最后利用上述研究方法，編寫了一