水平集方法及其在視頻車輛檢測(cè)中的應(yīng)用研究.pdf

1、社會(huì)經(jīng)濟(jì)的迅速發(fā)展在給人們帶來便利的同時(shí)，也產(chǎn)生了一些負(fù)面的影響，道路交通問題就是其中之一。交通堵塞嚴(yán)重、違規(guī)駕駛、交通事故頻繁發(fā)生等，這些問題都給交通管理提出了難題，因此智能交通系統(tǒng)的研究和設(shè)計(jì)受到越來越多的重視。而在智能交通系統(tǒng)中，車輛檢測(cè)是一個(gè)基礎(chǔ)部分，也是關(guān)鍵的環(huán)節(jié)。這一部分主要負(fù)責(zé)提取感興趣的目標(biāo)，采集道路交通參數(shù)信息等。運(yùn)動(dòng)目標(biāo)檢測(cè)效果的好壞關(guān)系到后續(xù)交通參數(shù)的計(jì)算、車輛跟蹤等操作，甚至關(guān)系到整個(gè)系統(tǒng)的實(shí)用性和性能的好壞。所

2、以尋求一種有效、實(shí)用的車輛檢測(cè)方法是十分重要的。所以本課題的研究具有重要的理論意義和實(shí)用價(jià)值。
　　本文首先研究了傳統(tǒng)的車輛檢測(cè)算法，如背景差分法、幀間相減法、光流法。從理論和實(shí)際應(yīng)用的角度對(duì)比分析了幾種算法的優(yōu)缺點(diǎn)，背景差分法是最常用的一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，應(yīng)用性較好，但是當(dāng)背景和目標(biāo)的灰度相差很小時(shí)，就會(huì)出現(xiàn)誤判，導(dǎo)致檢測(cè)失敗。而且上述幾種算法分割目標(biāo)時(shí)，經(jīng)常會(huì)會(huì)出現(xiàn)孔洞、目標(biāo)斷裂、目標(biāo)粘連等，目標(biāo)失真較嚴(yán)重，在此基礎(chǔ)上，本文

3、采用了在圖像分割領(lǐng)域的另一熱門研究方法—水平集方法來實(shí)現(xiàn)車輛檢測(cè)。
　　水平集方法在演化的過程中能夠自動(dòng)實(shí)現(xiàn)分裂、合并等拓?fù)渥兓行У奶崛∧繕?biāo)輪廓。但是傳統(tǒng)的水平集方法中的速度函數(shù)是基于邊緣的梯度信息，在目標(biāo)邊界的梯度沒有明顯變化或者邊緣模糊的情況下，就會(huì)出現(xiàn)目標(biāo)漏檢的現(xiàn)象。為了克服上述缺點(diǎn)，本文對(duì)水平集方法中的速度函數(shù)做了進(jìn)一步的改進(jìn)，采用了基于統(tǒng)計(jì)勢(shì)能的水平集方法。為了提高算法的處理速度，將背景差分后獲得的掩膜圖像作為初始的