2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著人工智能的發(fā)展,在智能交通系統(tǒng)中,計(jì)算機(jī)視覺技術(shù)已經(jīng)融入到智能交通視頻的分析中。但由于交通視頻中背景復(fù)雜,噪聲較多,車輛運(yùn)動目標(biāo)不規(guī)律,使得運(yùn)動目標(biāo)的檢測和車輛的多目標(biāo)跟蹤仍然面臨著諸多具有挑戰(zhàn)性的問題。同時(shí)在越來越多的車輛視頻信息中,如何對檢測跟蹤到的車輛做有效的特征提取和方便快捷的檢索比對。這都成了智能交通信息領(lǐng)域迫切需要解決的問題。本文對交通視頻中運(yùn)動目標(biāo)檢測、車輛多目標(biāo)跟蹤以及目標(biāo)特征提取和檢索等問題進(jìn)行了研究。
  

2、在運(yùn)動車輛檢測方面,針對目前常用的ViBe算法在檢測中出現(xiàn)明顯鬼影區(qū)域、緩慢目標(biāo)殘影難以消除、檢測精確度和魯棒性不足的問題,本文提出改進(jìn),利用灰度信息為像素建立生命長度矩陣,使鬼影或殘影快速融入背景樣本得以消除。結(jié)合最大類間方差法設(shè)置自適應(yīng)閾值,加入良好后處理抑制動態(tài)噪音。引入分類算法的統(tǒng)計(jì)指標(biāo),對車輛檢測效果做定性、定量質(zhì)量評價(jià)和分析,實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法在較少幀數(shù)內(nèi)去除了鬼影,抑制了運(yùn)動目標(biāo)殘影,提高了運(yùn)動車輛檢測的整體性能,這為

3、車輛的多目標(biāo)跟蹤和特征提取奠定了良好基礎(chǔ)。
  在車輛多目標(biāo)跟蹤方面,針對目標(biāo)遮擋、粘連分離,相似物干擾,目標(biāo)運(yùn)動不規(guī)律影響跟蹤穩(wěn)定性的問題,提出了一種級聯(lián)分類檢測和SVM分類器再識別的區(qū)域匹配跟蹤算法。在有效提取運(yùn)動檢測得到的目標(biāo)連通區(qū)域的基礎(chǔ)上,根據(jù)基于HOG特征的級聯(lián)分類算法有效識別車輛跟蹤區(qū)域,減少車輛連通域粘連的影響,并且加入基于LBP特征的SVM分類算法二次識別去掉干擾物和相似物,根據(jù)區(qū)域匹配關(guān)聯(lián)算法保證了跟蹤框能夠穩(wěn)

4、定跟蹤,通過多組實(shí)驗(yàn)驗(yàn)證了本文多目標(biāo)跟蹤算法可以對車輛持續(xù)穩(wěn)定地跟蹤,并且具有較高的準(zhǔn)確性。
  在目標(biāo)特征和檢索方面,本文設(shè)計(jì)了一個(gè)基于車輛特征的交通視頻檢索比對框架,首先對多目標(biāo)跟蹤車輛特征做分析,根據(jù)HSV非均勻量化原理提取目標(biāo)車輛的主區(qū)域顏色,利用樸素貝葉斯分類器對車型特征作識別分類。之后將跟蹤車輛的特征作結(jié)構(gòu)化存儲,同時(shí)提出了基于顏色和車型融合的雙特征相似車輛檢索比對模式,根據(jù)倒排索引進(jìn)行檢索比對,快速定位所需要查找的相

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論