交通圖像場(chǎng)景理解中的關(guān)鍵技術(shù)研究.pdf

1、目前智能交通系統(tǒng)正處于飛速發(fā)展階段，交通場(chǎng)景的監(jiān)控視頻與圖像的數(shù)量增長(zhǎng)迅猛。原有的海量交通視頻與圖像單憑人工在線分析，耗費(fèi)大量的時(shí)間和人力。如何智能且準(zhǔn)確地理解并管理大量的交通場(chǎng)景視頻與圖像已經(jīng)成為當(dāng)前的熱點(diǎn)問題。智能索引和管理交通場(chǎng)景圖像的基礎(chǔ)是交通圖像的場(chǎng)景理解，這一課題的研究有利于推動(dòng)圖像理解的理論及應(yīng)用的發(fā)展。本文的主要目的是對(duì)交通圖像場(chǎng)景理解中的關(guān)鍵技術(shù)進(jìn)行探究，圍繞這一中心思想，本文的主要研究工作體現(xiàn)在以下幾個(gè)方面:

2、　　針對(duì)交通場(chǎng)景圖像中冗余信息較多的問題，本文利用基于Local特征的顯著性檢測(cè)方法，充分利用人眼對(duì)目標(biāo)的感知機(jī)制，對(duì)圖像進(jìn)行預(yù)處理，以提高后期對(duì)車輛目標(biāo)檢測(cè)的效率。在顯著性檢測(cè)后可以得到交通場(chǎng)景圖像中的顯著區(qū)域，本文在此基礎(chǔ)上提出了一種基于顏色直方圖的車輛檢測(cè)方法。首先將候選區(qū)域的顏色空間由RGB空間轉(zhuǎn)換到HSV空間。而后通過(guò)分析車輛顏色分布特征，對(duì)候選區(qū)的H分量的分布圖進(jìn)行判別，最終得到車輛的檢測(cè)結(jié)果。該算法具有簡(jiǎn)單有效，準(zhǔn)確率高的

3、特點(diǎn)。
　　針對(duì)車輛對(duì)稱性檢測(cè)對(duì)于交通場(chǎng)景理解的重要意義，本文提出了一種基于聚類分析的車輛對(duì)稱軸檢測(cè)方法。首先利用Adaboost分類器獲取車輛區(qū)域的大致位置，而后利用Harris角點(diǎn)檢測(cè)方法，提取出車輛目標(biāo)的特征點(diǎn)。再提取特征點(diǎn)處的灰度、鄰域灰度、紋理特征值三個(gè)特征值并結(jié)合K-means分類法對(duì)特征點(diǎn)進(jìn)行分類，利用隨機(jī)采樣的方法對(duì)類內(nèi)點(diǎn)進(jìn)行成對(duì)抽取，并分析特征點(diǎn)對(duì)與對(duì)稱軸的關(guān)系。最終通過(guò)建立對(duì)稱軸參數(shù)的核函數(shù)方程找出對(duì)稱軸的準(zhǔn)確