視頻圖像中車輛檢測的算法研究.pdf

1、隨著高性能攝像設(shè)備的普及以及計算機(jī)和模式識別技術(shù)的發(fā)展，智能視頻監(jiān)控技術(shù)在社會生活的各個方面得到了廣泛的應(yīng)用。在智能監(jiān)控系統(tǒng)的實(shí)現(xiàn)中，從圖像中自動檢測出其中的車輛是一個關(guān)鍵問題，在軍事、智能交通管理、刑偵、安防等領(lǐng)域都具有重要的應(yīng)用，對于平安城市的建設(shè)具有重要的意義。目前，雖然人們對車輛檢測已開展了一些研究，但現(xiàn)有的算法還很不成熟，無論在準(zhǔn)確性方面還是在計算速度方面都無法滿足實(shí)際系統(tǒng)的需要。為此，本文利用圖象處理和模式識別的方法對車輛檢

2、測問題進(jìn)行了研究。本文完成的主要工作如下：
　　1.研究了靜態(tài)圖像中的車輛檢測問題。1)首先以同樣大小的只含一輛車的大量圖象和同等數(shù)量不含車輛的圖象作為訓(xùn)練樣本，提取圖象的特征，用PCA和LDA方法進(jìn)行降維，再利用AdaBoost, SVM，PLS或RF等方法通過訓(xùn)練建立分類器，對車輛和非車輛圖象進(jìn)行分類。2)對于任意大小的圖象，本文采用的方法是：首先對其進(jìn)行縮小或放大操作，然后，在圖象的左上角取和訓(xùn)練樣本同樣大小的塊，通過已建立

3、的分類器判斷該塊中是否有車，然后，按一定步長在圖象中移動該塊，逐塊進(jìn)行判斷,直至檢測出圖象中所有車輛的位置或給出圖象中無車的信息。其中的創(chuàng)新點(diǎn)是：1）首次將偏線性回歸(PLS)應(yīng)用于車輛的檢測中，提出了基于C1特征和偏線性回歸的車輛檢測方法；2）首次將隨機(jī)森林應(yīng)用于車輛檢測，提出了基于C1特征和隨機(jī)森林的車輛檢測方法。實(shí)驗(yàn)結(jié)果表明，本文提出的方法具有較高的識別率。
　　2.研究了視頻圖像中車輛檢測的問題。其基本步驟是：首先對視頻圖