基于邊緣提升高斯卡爾曼模型與決策樹貝葉斯的運動車輛檢測與識別.pdf

1、在ITS領域中,運動目標檢測、車型辨識等問題一直都是研究熱點和重點。由于自身的特點和優(yōu)勢,圖像處理與模式識別被廣泛地應用到智能交通領域中。本文結合長江二橋安全監(jiān)控項目,基于圖像分析、模式識別等方法,對交通場景下檢測運動目標和識別目標類別的課題深入進行研究探討,主要內容包括運動車輛檢測、車型識別這2個方面。
　　本文首先對運動目標的檢測問題以及如何采用簡化高斯模型背景差方法進行目標檢測的問題進行了論述。針對簡化高斯模型的不足,如何檢

2、測與背景相似的運動車輛的問題,本文提出了利用簡化高斯模型結合邊緣輪廓來確定與背景相似的運動目標,復原其可能的缺失輪廓區(qū)域的算法。實驗結果證明,本文提出的運動車輛檢測方法能夠較好地檢測與背景相似的運動目標。
　　本文將貝葉斯算法具體應用到車型初步分類,提出了基于決策樹貝葉斯的車型初步的識別方法。通過選取大小、形狀、邊緣特征等相應的車型特征,訓練樣本并求取各個特征屬性在分類中的各類車型上的貝葉斯參數(shù)即均值方差,然后根據(jù)決策樹貝葉斯分類