基于背景建模的車(chē)輛檢測(cè)算法研究.pdf

1、隨著全球城市化進(jìn)程的進(jìn)一步加快，以及機(jī)動(dòng)車(chē)保有量的逐年增加，解決由交通擁堵所帶來(lái)的安全隱患和經(jīng)濟(jì)損失等問(wèn)題成為了各大城市交通規(guī)劃管理的當(dāng)務(wù)之急，而僅僅依靠人力已經(jīng)越來(lái)越難以對(duì)目前龐大的交通網(wǎng)絡(luò)進(jìn)行管理。智能交通系統(tǒng)能充分利用現(xiàn)有道路設(shè)施資源，通過(guò)對(duì)實(shí)時(shí)路況信息的分析實(shí)現(xiàn)對(duì)車(chē)輛、行人、道路的智能規(guī)劃，是世界各地正在廣泛關(guān)注和研究的課題。而車(chē)輛檢測(cè)技術(shù)，則是智能交通系統(tǒng)中獲取路面交通信息的重要的一環(huán)。
　　本文主要研究針對(duì)道路監(jiān)控視頻

2、等場(chǎng)景的運(yùn)動(dòng)車(chē)輛檢測(cè)問(wèn)題，通過(guò)建立背景模型，獲得視頻幀中運(yùn)動(dòng)目標(biāo)掩膜，再通過(guò)對(duì)車(chē)輛目標(biāo)建立判別模型，識(shí)別車(chē)輛目標(biāo)并對(duì)其進(jìn)行捕捉。主要內(nèi)容包括：⑴提出了一種基于分裂混合高斯模型的背景建模算法。該算法通過(guò)建立多層運(yùn)動(dòng)信息抽取機(jī)制，在多頻段層面上分別建立分裂混合高斯模型，高層的模型組在低層的低頻建模結(jié)果中添加高頻信息，并由此提供正確的模型組更新反饋，逐層豐富運(yùn)動(dòng)目標(biāo)。計(jì)算所得的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果顯示，該算法可以消除大量擾動(dòng)噪聲，并解決了運(yùn)動(dòng)目標(biāo)

3、的空洞問(wèn)題。⑵提出了一種改進(jìn)相關(guān)差異化HOG特征(Improved Relative DiscriminativeHistogram of Oriented Gradient，IRDHOG).該特征通過(guò)解析HOG特征中中央?yún)^(qū)塊(central block)與周鄰區(qū)塊(surrounding block)之間的聯(lián)系與相關(guān)信息，在HOG的特征向量中串聯(lián)了二者的相關(guān)信息RD-bins。并且通過(guò)統(tǒng)計(jì)感興趣目標(biāo)（車(chē)輛）與非感興趣目標(biāo)在方向區(qū)間中的