《基于opencv的车辆检测论文》由会员分享，可在线阅读，更多相关《基于opencv的车辆检测论文（28页珍藏版）》请在金锄头文库上搜索。
1、摘要智能交通系统(ITS)是目前世界交通运输领域正在研究和广泛关注的课题。近年来，智能交通系统的应用给交通运输业带来了巨大的经济效益，对于道路设计、 流量监控和高速公路管理起到了越来越重要的作用。论文所研究的视频车辆检测技术在 ITS 中占有很重要的地位，与传统的车辆检测方法相比，视频车辆检测技术不仅具有安装维护便捷且费用较低、可监视范围广等诸多优点，同时可对道路现场图像进行智能化分析和处理。本文利用 OpenCV 中对运动物体检测的数据结构、 函数库， 建立了一个视频车辆分析系统， 用于道路上车辆的检测。 检测过程是首先对视频图像进行预处理，比如二值化、去噪等；然后进行背景的提取及更新，由于
2、背景差分法是通过当前帧和背景帧相减来提取运动目标，所以实时的背景更新尤为重要，本文采用多帧求平均的方法来更新背景，避免了光照条件和气候环境等带来的不利影响；最后利用背景差分法检测出运动车辆。经过实验验证，该方法可以较准确地检测出车辆目标，检测的成功率可达到 90%以上。关键字： 视频处理车辆检测OpenCVABSTRACTIntelligent Transportation Systems (ITS) is the subject of study and attention inthe worlds transportation sector.In recent years, the app
3、lication of intelligenttransportation systems has brought enormous economic benefits to the transportationindustry,and it has played an increasingly important role in the road located design,traffic monitoring and highway management.The video vehicle detection technologyin this thesis study plays an
4、 important role in ITS.Compared with the traditionalmethod of vehicle detection, video vehicle detection technology has easy installationand maintenance,low cost, wide range that can be monitored and many otheradvantages , while it can do intelligently analysis and processing to the image of theroad
5、 scene.This thesis sets up a video vehicle analysis system for detecting vehicles on theroad by the moving object detection data structure and function library in OpenCV.Detection processes include:First,video image pre-processes,such as binary,removingnoise;Next,background extraction and update, as
6、 background subtraction is based onthatsubtractthecurrentframefrombackgroundframetoextractmovingtarget,real-time background update is particularly important, we use multi-frameaveraging method to update the background,which avoids the the adverse impact oflight conditions and climatic and environmen
7、tal;Finally, the detection of movingvehicles by background subtraction.Experimental results show that this method canaccurately detect the vehicle target, the success rate of detecting is up to 90%.Key words:Video ProcessingVehicle DetectionOpenCV目录第一章绪论第一章绪论11.1 课题背景和研究意义11.2 国内外研究现状11.3 OpenCV 概述2
8、1.4 本文研究内容41.5 本文章节概括51.6 本章小结5第二章基于视频的车辆检测技术概述第二章基于视频的车辆检测技术概述62.1 引言62.2 视频车辆检测技术实例发展历程62.3 视频车辆检测技术未来趋势72.4 本章小结7第三章车辆检测算法设计第三章车辆检测算法设计93.1 引言93.2 车辆检测算法流程图93.3 图像预处理103.3.1 设定感兴趣区域103.3.2 高斯低通滤波处理103.3.3 二值化阈值分割103.4 背景初始化与更新113.5 提取前景运动目标113.6 本章小结12第四章实验结果与分析第四章实验结果与分析134.1 引言134.2 实验配置134.3 实
9、验结果与分析134.4 本章小结16第五章总结与展望第五章总结与展望175.1 本文总结175.2 工作展望17谢辞谢辞19参考文献参考文献20附录附录21大连交通大学 2015 届本科生毕业论文1第一章绪论1.1 课题背景和研究意义随着当今经济的高速发展，机动车的保有量迅速增加，导致交通状况的不断恶化。 现在无论哪个国家都毫无例外的受到不同程度的交通问题的困扰， 在中国，这种情况尤为突出并严重影响了人类生活的质量，给环境、经济和社会带来了严重的后果。为从根本上解决交通拥挤堵塞的问题，人们开始运用各种新技术，如信息技术、计算机技术、通信技术、控制技术等，将人、车、路紧密联系起来，不仅有效地解决
10、了交通阻塞问题，而且对交通事故的应急处理、环境的保护、能源的节约都有了显著的效果。基于视频的运动车辆检测是自动交通事件检测系统的首要步骤及重要组成部分，它为后续的车辆检测，车辆跟踪与统计提供保证。对交通安全和交通控制具有非常重要的理论意义和实用价值，是基于视频智能交通系统的基础。视频检测技术在传统的电视监视系统基础上将计算机视觉引入到交通信息检测之中，通过计算机从数字图像中提取出高级交通信息，同时又像其它车辆检测器一样能向交通监控中心提供图像和交通参数如车速、车流量等。已有的成熟的商用视频车辆检测系统主要有 Autoscope，Traficon 以及 Peek 等。视频序列图像运动目标分析的基
11、本内容是利用成像系统或现有文件， 从连续的视频序列图像中提取出运动目标，同时对提取出的运动目标进行识别和跟踪，并对其行为进行理解和描述。视频图像的运动分析以数字图像处理为基础，内容涉及数字图像处理、 模式识别、 计算机视觉、 人工智能等诸多领域和学科。 目前，开发视频序列图像运动目标分析系统不但在实时性、鲁棒性上有很高的要求，也逐步重视其通用性和可移植性，这些都给视频运动分析带来了挑战。它相对传统车辆检测技术具有如下优点： 安装维护方便， 摄像头架设在路边，安装维护不需要封闭道路，挖掘路面，不会影响正常交通；一个普通的 CCD 摄像头就可以检测几百米内的多车道交通信息， 迄今为止还没有一种传感
12、装置能够像基于计算机视觉处理那样提供如此直观、详细的交通信息参数(如精确的车辆行驶路线、车型、车辆尺寸以及车辆颜色等等)；可以对交通现场录像，供以后查询；同时视觉系统也是一个被动的感知系统，它对于周围的环境几乎没有影响，即使相同的视觉系统之间也不会发生干扰。基于上述的优越性，基于视频图像的车辆检测技术对于智能交通系统的发展有巨大的推动作用，对于日常生活和国家的经济发展都有很大的实际意义。 1.2 国内外研究现状随着计算机视觉技术的蓬勃发展，作为其中的一个重要分支-运动物体的检大连交通大学 2015 届本科生毕业论文2测与跟踪技术也吸引了国内外专家学者的强烈兴趣。 其原理是对视场内的运动目标进行
13、实时的图像采集， 并在此基础上运用图像处理的相关技术对观测对象进行行为分析，自动得到观测结果。车辆视频检测作为其中的一个重要运用，吸引了很多著名公司和研究机构参与其中。国外的视频检测技术研究开始的较早，经过十几年的发展，技术己经相当成熟， 视频检测与线圈检测技术相比具有的优越性和高性价比己得到业内人士的公认， 代表了未来车辆检测领域的发展和应用方向。 美国 ISS 公司的 AUTOSCOPE，是一个较为成功的商业系统，具有实时检测交通参数的能力，是国际上交通信息采集中最具竞争力的视频检测系统之一。 另外国外还有一些公司在这方面也从事了应用研究和开发工作，也推出了各自成熟的系统级产品。比如 ITERIS 公司Vantage 系列视频检测处理单元的最新视频检测器产品：Vantage Edge2，比利时Tmficon 公司推出的 Monitor 系列等。美国、日本等国家在车辆视频检测方面展开了大量的研究。早在 1982 年，东京大学教授 S.Takab 等就提出样本点的方法来检测车辆，此系统实际应用时的车辆计数误差小于 5%，速度误差小于 10%。T.Abramczuk 教授则在 1984 年提出一种应用图像帧差的方法来检测车辆， 其原理是在每一条道路上均设置一条与道路相平行的检测线，通过车辆沿车道的方向分割出运动车辆，此方法运用于
