水平集方法及其在視頻車輛檢測中的應用研究.pdf

1、社會經濟的迅速發(fā)展在給人們帶來便利的同時，也產生了一些負面的影響，道路交通問題就是其中之一。交通堵塞嚴重、違規(guī)駕駛、交通事故頻繁發(fā)生等，這些問題都給交通管理提出了難題，因此智能交通系統(tǒng)的研究和設計受到越來越多的重視。而在智能交通系統(tǒng)中，車輛檢測是一個基礎部分，也是關鍵的環(huán)節(jié)。這一部分主要負責提取感興趣的目標，采集道路交通參數(shù)信息等。運動目標檢測效果的好壞關系到后續(xù)交通參數(shù)的計算、車輛跟蹤等操作，甚至關系到整個系統(tǒng)的實用性和性能的好壞。所

2、以尋求一種有效、實用的車輛檢測方法是十分重要的。所以本課題的研究具有重要的理論意義和實用價值。
　　本文首先研究了傳統(tǒng)的車輛檢測算法，如背景差分法、幀間相減法、光流法。從理論和實際應用的角度對比分析了幾種算法的優(yōu)缺點，背景差分法是最常用的一種運動目標檢測方法，應用性較好，但是當背景和目標的灰度相差很小時，就會出現(xiàn)誤判，導致檢測失敗。而且上述幾種算法分割目標時，經常會會出現(xiàn)孔洞、目標斷裂、目標粘連等，目標失真較嚴重，在此基礎上，本文

3、采用了在圖像分割領域的另一熱門研究方法—水平集方法來實現(xiàn)車輛檢測。
　　水平集方法在演化的過程中能夠自動實現(xiàn)分裂、合并等拓撲變化，有效的提取目標輪廓。但是傳統(tǒng)的水平集方法中的速度函數(shù)是基于邊緣的梯度信息，在目標邊界的梯度沒有明顯變化或者邊緣模糊的情況下，就會出現(xiàn)目標漏檢的現(xiàn)象。為了克服上述缺點，本文對水平集方法中的速度函數(shù)做了進一步的改進，采用了基于統(tǒng)計勢能的水平集方法。為了提高算法的處理速度，將背景差分后獲得的掩膜圖像作為初始的