基于高速公路大货车违法占道监测系统的车辆检测与跟踪研究-电子与通信工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 研究生优秀毕业论文 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电予版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在／年解密后适用本授权书； 2．不保密瞰使用本授权书。 (请在以上方框内打“√”) 一磊研k 雌辄 曰期：秒眵。岁。l p 日期：_护岁 万方数据 西南交通大学硕士学位论文主要工作( 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1．介绍了智能交通的发展现状以及智能监控系统的发展现状。详细讨论了各种道 路信息采集方式的原理、应用场景，并对各种道路信息采集方式的优缺点进 行了比较，选择了监控效果直观清晰、安装维护方便、监控范围广的视频信 息采集方式。分析了目标检测、跟踪以及车型识别的基本方法，对各类方法 进行了原理介绍和优劣比较。 2．根据高速公路实际应用场景选择了适合高速公路环境的混合高斯模型来对背景 模型进行更新，并详细描述了单高斯模型和混合高斯模型的原理。提出了在时 空背景差分模型的检测基础上，加入了光照阴影消除和运动种子填充和运动目 标尾迹消除的新检测方法，该方法使检测目标更加清晰完整。最后将该检测方 法进行了相应实验，并将该方法的车辆检测效果和混合高斯检测模型进行了二 值差分图的对比，实验结果表明该方法能达到较好的目标正确识别率，同时， 还将错误样本进行了归类和错误原因分析。结果证明，在不同密集程度的视频 中，车辆的检测都能达到很好的效果。 3．根据高速公路车辆运动轨迹特性，采用了基于运动位置和颜色信息关联相结合 的车辆跟踪方法，详细介绍了跟踪原理。之后选择了大量样本对本文中的车辆 跟踪方法进行了实验。在普通密集情况下跟踪效果良好，在特别密集视频中， 由于遮挡容易出现目标关联错误而导致车辆跟踪效果一般，这待在后续的研究 中进一步改善和完善。 4．通过分析车辆面积在视频中的非线性关系设定阈值以及车辆本身的纹理信息和 外形轮廓特征，实现了大小车区分和客货车区分。并对识别效果进行了实验分 析。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。 除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。本人完全 了解违反上述声明所引起的一切法律责任将由本人承担。 1 1 学位论文作者签名：幼船乙 1 日期：加l土’．多．f a 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 随着社会经济的飞速发展以及交通运输量的日益提高，传统的交通监管方式己不再 能满足复杂多变的交通现状，智能交通系统应运而生。本文课题来源于四川省科技厅科 技支撑项目“智能交通安全监测与流量控制系统重大关键技术研究”项目的子课题一： 大型货车占道行驶动态检测关键技术研究及监控系统开发。针对高速公路这一特殊场景， 研究车辆检测与跟踪、车型识别的方法，使能够有效检测和跟踪高速公路行驶车辆，准 确识别大型货车，为建立大型货车违法占道判别模型提供有力支撑。 首先详细讨论了各种道路信息采集方式的原理、应用场景，并对各种道路信息采集 方式的优缺点进行了比较，选择了监控效果直观清晰、安装维护方便、监控范围广的视 频信息采集方式。分析了目标检测、跟踪以及车型识别的基本方法，对各类方法进行了 原理介绍和优劣比较。其次提出了在时空背景差分模型的检测基础上，加入了光照阴影 消除和运动种子填充和运动目标尾迹消除的新检测方法，该方法使检测目标更加清晰完 整。最后将该检测方法进行了相应实验，并将该方法的车辆检测效果和混合高斯检测模 型进行了二值差分图的对比，实验结果表明该方法能达到较好的目标正确识别率，同时， 还将错误样本进行了归类和错误原因分析。结果证明，在不同密集程度的视频中，车辆 检测的正确率都能达到90％以上。 另外，根据高速公路上车辆运动轨迹方向基本不变的特性，采用了基于车辆的运动 位置信息和颜色信息关联相结合的车辆跟踪方法，详细介绍了跟踪原理。最后通过分析 车辆面积在视频中的非线性关系设定阂值以及车辆本身的纹理信息和轮廓信息，实现了 大小车区分和客货车区分。 通过选择大量样本对本文中的车辆检测跟踪及车型识别方法进行实验。证明可以应 用在大型货车占道行驶动态检测关键技术研究及监控系统开发中，为建立违法占道判别 模型提供依据。 关键词： 视频车辆检测、光照阴影消除；运动位置跟踪；