基于邊緣提升高斯卡爾曼模型與決策樹(shù)貝葉斯的運(yùn)動(dòng)車(chē)輛檢測(cè)與識(shí)別.pdf

1、在ITS領(lǐng)域中,運(yùn)動(dòng)目標(biāo)檢測(cè)、車(chē)型辨識(shí)等問(wèn)題一直都是研究熱點(diǎn)和重點(diǎn)。由于自身的特點(diǎn)和優(yōu)勢(shì),圖像處理與模式識(shí)別被廣泛地應(yīng)用到智能交通領(lǐng)域中。本文結(jié)合長(zhǎng)江二橋安全監(jiān)控項(xiàng)目,基于圖像分析、模式識(shí)別等方法,對(duì)交通場(chǎng)景下檢測(cè)運(yùn)動(dòng)目標(biāo)和識(shí)別目標(biāo)類(lèi)別的課題深入進(jìn)行研究探討,主要內(nèi)容包括運(yùn)動(dòng)車(chē)輛檢測(cè)、車(chē)型識(shí)別這2個(gè)方面。
　　本文首先對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)問(wèn)題以及如何采用簡(jiǎn)化高斯模型背景差方法進(jìn)行目標(biāo)檢測(cè)的問(wèn)題進(jìn)行了論述。針對(duì)簡(jiǎn)化高斯模型的不足,如何檢

2、測(cè)與背景相似的運(yùn)動(dòng)車(chē)輛的問(wèn)題,本文提出了利用簡(jiǎn)化高斯模型結(jié)合邊緣輪廓來(lái)確定與背景相似的運(yùn)動(dòng)目標(biāo),復(fù)原其可能的缺失輪廓區(qū)域的算法。實(shí)驗(yàn)結(jié)果證明,本文提出的運(yùn)動(dòng)車(chē)輛檢測(cè)方法能夠較好地檢測(cè)與背景相似的運(yùn)動(dòng)目標(biāo)。
　　本文將貝葉斯算法具體應(yīng)用到車(chē)型初步分類(lèi),提出了基于決策樹(shù)貝葉斯的車(chē)型初步的識(shí)別方法。通過(guò)選取大小、形狀、邊緣特征等相應(yīng)的車(chē)型特征,訓(xùn)練樣本并求取各個(gè)特征屬性在分類(lèi)中的各類(lèi)車(chē)型上的貝葉斯參數(shù)即均值方差,然后根據(jù)決策樹(shù)貝葉斯分類(lèi)