題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 一種基于輪廓特征曲線的車輛遮擋分離算法
- 來(lái)源：
- 第十二屆“挑戰(zhàn)杯”省賽作品
- 小類：
- 信息技術(shù)
- 簡(jiǎn)介：
- 遮擋是智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤和識(shí)別經(jīng)常遇到的難題，遮擋車輛分離算法性能的優(yōu)劣直接決定了車流量統(tǒng)計(jì)、車輛跟蹤、車速計(jì)算等后續(xù)環(huán)節(jié)的準(zhǔn)確性。 本論文以車輛常用的矩形模板為先驗(yàn)知識(shí)，提出了一種基于車輛輪廓曲線的車輛遮擋分離算法，該算法提取出車輛輪廓上的所有特征直線并將其分為四類，接著根據(jù)特定的特征直線組合提取出車輛輪廓上的所有拐點(diǎn)，最后根據(jù)這些拐點(diǎn)組合對(duì)遮擋車輛實(shí)施分離。
- 詳細(xì)介紹：
- 車輛檢測(cè)時(shí)經(jīng)常會(huì)遇到車輛遮擋的難題，找到一種魯棒、精確的車輛遮擋分離方法非常必要。本文提出了一種基于車輛輪廓曲線的車輛遮擋分離算法，該算法提取出車輛輪廓上的所有特征直線并將其分為四類，接著根據(jù)特定的特征直線組合提取出車輛輪廓上的所有拐點(diǎn)，最后根據(jù)這些拐點(diǎn)組合對(duì)車輛實(shí)施遮擋分離。實(shí)驗(yàn)表明，本文提出的方法魯棒性好、精度高，具有很高的應(yīng)用價(jià)值。
作品專業(yè)信息
撰寫(xiě)目的和基本思路
- 針對(duì)智能交通系統(tǒng)中遮擋車輛分離這一研究難點(diǎn)，提出一種基于車輛輪廓曲線的車輛遮擋分離算法。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- 本論文提出的遮擋車輛分離算法僅需要檢測(cè)出車輛輪廓曲線上的四類特征直線和八類特征拐角，就能夠反映出車輛相互遮擋的各種狀態(tài)，不但算法簡(jiǎn)單，實(shí)時(shí)性好，而且具有很強(qiáng)的魯棒性，具有很高的應(yīng)用價(jià)值。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- 遮擋是智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤和識(shí)別經(jīng)常遇到的難題，遮擋車輛分離算法性能的優(yōu)劣直接決定了車流量統(tǒng)計(jì)、車輛跟蹤、車速計(jì)算等后續(xù)環(huán)節(jié)的準(zhǔn)確性。
學(xué)術(shù)論文摘要
- 遮擋是智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤和識(shí)別經(jīng)常遇到的難題。本論文以車輛常用的矩形模板為先驗(yàn)知識(shí)，提出了一種基于車輛輪廓曲線的車輛遮擋分離算法，該算法提取出車輛輪廓上的所有特征直線并將其分為四類，接著根據(jù)特定的特征直線組合提取出車輛輪廓上的所有拐點(diǎn)，最后根據(jù)這些拐點(diǎn)組合對(duì)車輛實(shí)施遮擋分離。實(shí)驗(yàn)表明，本文提出的方法魯棒性好、精度高，具有很高的應(yīng)用價(jià)值。
獲獎(jiǎng)情況
- 無(wú)
鑒定結(jié)果
- 無(wú)
參考文獻(xiàn)
- [1]u Min，Hu Weiming，Tan Tieniu．Tracking people through occHlusion[A]．In：Proceedings of 17 International Conference on Pattern Recognition[C]．Cambridge UK，2004：724～727． [2]Clement Chun Cheong Pang，William Wai Leung Lam．A Method for Vehicle Count in the Presence of Multiple-Vehicle Occlusions in Traffic Images[J]．IEEE Transaction on Intelligent Transportation Systems，2007，8(3)：441～459． [3]紀(jì)攸鵬智能交通系統(tǒng)中車輛視頻檢測(cè)?識(shí)別跟蹤方法的研究[D]．青島：中國(guó)海洋大學(xué)，2006
同類課題研究水平概述
- 在智能交通系統(tǒng)中，由于攝像機(jī)拍攝角度和方向的原因，車輛之間的遮擋問(wèn)題比較敏感，容易引起誤判。因此能夠有效地檢測(cè)出運(yùn)動(dòng)車輛之間的遮擋，并將相互遮擋的車輛區(qū)分開(kāi)來(lái)加以檢測(cè)，是車輛的行為分析、識(shí)別以及跟蹤的前提，也是智能交通中的核心內(nèi)容和關(guān)鍵技術(shù)。為了解決車輛之間的遮擋問(wèn)題，國(guó)內(nèi)外學(xué)者已進(jìn)行了大量研究并提出了許多有效的解決方法，如：①基于目標(biāo)特征匹配的算法，其中特征可以是目標(biāo)灰度圖像、二值分割圖像；②多子模板匹配的方法，該方法以匹配誤差判定子模板是否被遮擋，然后用灰度相關(guān)匹配繼續(xù)跟蹤目標(biāo)；該方法基于最大后驗(yàn)概率原則以子模板的相關(guān)匹配來(lái)度量該模板屬于哪個(gè)目標(biāo)，解決多目標(biāo)相互遮擋的問(wèn)題。③基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型來(lái)精確地遮擋過(guò)程建模。④基于顏色直方圖的粒子濾波器可以解決部分遮擋問(wèn)題。⑤基于網(wǎng)格模型解決遮擋問(wèn)題。 以上方法往往存在分離精度低、算法復(fù)雜或者魯棒性差等問(wèn)題，為了同時(shí)解決這三個(gè)方面的缺陷，本文以車輛常用的矩形模板為先驗(yàn)知識(shí)，提出了一種基于車輛輪廓曲線的車輛遮擋分離算法，該算法提取出車輛輪廓上的所有特征直線并將其分為四類，接著根據(jù)特定的特征直線組合提取出車輛輪廓上的所有拐點(diǎn)，最后根據(jù)這些拐點(diǎn)組合對(duì)車輛實(shí)施遮擋分離。實(shí)驗(yàn)表明，該算法不但簡(jiǎn)單，實(shí)時(shí)性高，而且魯棒性好、精度高，具有很高的應(yīng)用價(jià)值。
