基于機(jī)器視覺(jué)的車(chē)輛檢測(cè)技術(shù)的研究.pdf

1、目前，隨著汽車(chē)數(shù)量的增加，交通擁堵，交通事故頻發(fā)生等問(wèn)題也日益惡化，解決這些問(wèn)題的最佳途徑是智能交通系統(tǒng)的發(fā)展。而智能交通系統(tǒng)的基礎(chǔ)是交通參數(shù)的檢測(cè)。交通參數(shù)包括多個(gè)方面，比如車(chē)流量、車(chē)型、車(chē)速、車(chē)流密度等等。交通參數(shù)檢測(cè)的方法有很多種，其中基于視頻圖像處理的機(jī)器視覺(jué)技術(shù)具有豐富的信息含量，成本代價(jià)低等優(yōu)點(diǎn)，已成為國(guó)內(nèi)外的研究熱點(diǎn)。
　　 本文以靜止攝像機(jī)獲取的車(chē)輛場(chǎng)景作為研究對(duì)象來(lái)提取交通參數(shù)，在參閱了很多國(guó)內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)

2、上，研究了基于機(jī)器視覺(jué)的車(chē)流量統(tǒng)計(jì)和車(chē)型識(shí)別技術(shù)，并進(jìn)行了歸納和總結(jié)，采取了適合車(chē)流量統(tǒng)計(jì)和車(chē)型識(shí)別的檢測(cè)方法，利用OpenCV實(shí)現(xiàn)了一個(gè)車(chē)輛檢測(cè)模擬系統(tǒng)。主要研究?jī)?nèi)容包括：
　　 在流量檢測(cè)方面，主要包括視頻采集，目標(biāo)檢測(cè)，目標(biāo)跟蹤和目標(biāo)統(tǒng)計(jì)四部分。目標(biāo)檢測(cè)部分主要用了幀差法，光流法和背景差分法，并對(duì)目標(biāo)檢測(cè)的結(jié)果進(jìn)行了陰影消除和形態(tài)學(xué)處理，獲得了較好的運(yùn)動(dòng)目標(biāo)。然后通過(guò)對(duì)這三種方法的分析對(duì)比，最后決定在采用幀差法的基礎(chǔ)上，對(duì)

3、目標(biāo)進(jìn)行跟蹤和統(tǒng)計(jì)。在分析已有的車(chē)流量統(tǒng)計(jì)算法優(yōu)缺點(diǎn)的基礎(chǔ)上，采用了基于虛擬檢測(cè)框的質(zhì)心統(tǒng)計(jì)法，通過(guò)在虛擬檢測(cè)框內(nèi)跟蹤輪廓，尋找輪廓的質(zhì)心并判斷質(zhì)心的位置對(duì)目標(biāo)進(jìn)行統(tǒng)計(jì)，該算法通過(guò)對(duì)實(shí)際的視頻交通序列進(jìn)行了測(cè)試，取得了較好的結(jié)果。
　　 在車(chē)型識(shí)別方面，主要包括圖像處理，特征提取和識(shí)別三部分。本文介紹了圖像預(yù)處理、特征提取和識(shí)別算法等環(huán)節(jié)需要解決的問(wèn)題。其中特征點(diǎn)的定位是車(chē)型識(shí)別的難點(diǎn)和重點(diǎn)，因?yàn)橹挥星蟪鎏卣鼽c(diǎn)，才能求出特征值，