基于视频的车辆检测系统设计
51页 20000字数+说明书+任务书+开题报告+基于视频的车辆检测系统代码
任务书.doc
基于视频的车辆检测系统代码.rar
基于视频的车辆检测系统设计开题报告.doc
基于视频的车辆检测系统设计论文.doc
外文翻译--数字图像处理和边缘检测.doc
相关资料.doc
计划周记进度检查.xls
摘 要
当今科技飞速发展,带来了智能交通的空前发达,也为经济可持续发展做出一定贡献。交通运输在一个国家的经济社会发展中起着助推器的作用。交通运输的监控与管理智能化也变得尤为重要。基于视频的车辆检测作为智能交通系统的基石, 具有直观性、大范围检测、安装和维护方便等优势,成为采集交通信息技术的有力工具。因而视频车辆检测研究具有非常重要的意义。
本论文首先介绍了图像检测的研究背景以及发展情况,然后重点介绍了本论文中进行车辆检测的技术和方法。该方法先对图像进行灰度值化处理,中值滤波处理及二值化处理,然后利用车辆移动的特点进行检测,最后将移动中的车辆进行加框标记。实验结果表明, 本程序设计能够在一定的误差范围内实现对移动车辆进行检测。且效果良好。
本文视频车辆检测系统是采用图像处理的方法进行设计,本研究有着一定的现实意义。
关键词:智能交通;车辆检测;图像处理;MATLAB
目 录
摘 要III
AbstractIV
目 录V
1 绪论1
1.1 课题背景与意义1
1.2 国内发展概况1
1.3 视频车辆检测系统概述2
1.4 图像处理概述3
1.5 本课题工作与结构安排3
1.6 开发工具及运行环境4
2 软件介绍5
2.1 MATLAB 概况5
2.2 MATLAB的语言特点6
2.3 基本运算与函数7
3 基于视频的车辆检测方法15
3.1 基于视频的车辆检测方法15
3.1.1 基于帧间差分的方法15
3.1.2 基于光流场的方法15
3.1.3 基于背景差的方法16
3.2 车辆阴影分割技术16
4 车辆目标的图像处理方法17
4.1 彩色图像灰度化17
4.2 图像分割19
4.2.1 阈值分割方法19
4.2.2 最大方差自动取阈值(自适应二值化)19
4.2.3 基于边缘检测的图像分割22
4.3 基于数学形态学分析24
4.3.1 图像形态学处理24
4.3.2 实验结果比较26
4.4 图像填充27
5 基于帧间差分法的车辆检测盒计数方法29
5.1 帧间差分法29
5.2 二值化29
5.3 形态学滤波30
5.4 系统流程图31
5.5 分析目标物体和计数32
6 结论与展望35
6.1 结论35
6.2 不足之处与对未来的展望35
致 谢37
参考文献38
附 录39
1.3 视频车辆检测系统概述
通过对道路交通信息和交通目标的各种动态行为(如停车、违章超速、超车等等)的实时监测,实现自动统计各交通路段上行驶的车数量、计算行驶车速度,识别分类行驶车辆等各种交通参数,达到监测交通道路状况的作用。同时,将监测和识别的交通状况信息存储下来,为分析和管理交通提供依据,因此它可视为一个交通信息的管理系统。
利用摄像机将交通流图像捕捉下来,然后将这些捕捉到的视频图像传到计算机进行图像处理、分析和理解,得到交通流数据与交通路况等信息。
将摄像机安装在合适的位置,一般高度为5-20米。若道路口有龙门架、隧道、过街桥、红绿灯杆可直接安装,不需再安装杆。摄像机一般为工业用黑白或彩色CCD芯片型,拥有300线上的清晰度,通常安装于室外防护罩中。目前众多城市都架设有电子警察系统,可以利用CCD摄像机把两者合二为一,降低了成本;将摄像机捕捉的视频送入视频车检器上。在检测器的视频画面上标记监测区域,这种用软件方法设置监测区域提高了系统的通用性和灵活性,使它可以使用各种交通路口;对捕捉的视频运用一定的图像分析处理算法进行处理,提取相关的交通参数。把视频图像进行压缩,通过通信线路或无线把交通参数和压缩后的图像传到远端控制中心,供操作人员使用。
1.4 图像处理概述
视频车辆检测系统是一种利用图像处理和模式识别技术实现对交通目标检测和识别的计算机处理系统。
“图”是物体投射或反射光的分布,“像”是人视觉系统对图的接受在大脑中形成的印象或反映,是主观和客观的结合。图像处理即是对图像进行加工处理,从而达到人类的视觉心理和应用的要求。
人类获取外界信息有多种方法,包括视觉、听觉、触觉、嗅觉、味觉等。但绝大部分是来自我们视觉所看到的图像信息,即所谓“百闻不如一见”。图像的范围非常广泛,包括:各类图片,如普通照片、X光片、遥感图片;各类光学图像,如电影、电视等;人们心目中的有形影像以及外部描述,如绘图、绘画等。
数字影像是将照片或录像等模拟信号经抽样和数字化后形成。因为便于计算机运算与储存。所储存的亮点即为图像的基本单位,成为像素。像素的亮度是灰度值,灰度值被划分为256等级,最暗为0,最亮为255.一张图像被数字化成方格所组成的像素,每一格标有一对坐标,一个表示行值,另一则表示列值。行值从影像的最左边开始标记自0一直到n,n表示行值中最大值。相同的,列值从最上方起定位0,自下移动至m值,m表示图形全部列数。