收藏本站
《中原工学院》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进Adaboost算法的视频车辆轮廓检测算法研究

张谦  
【摘要】:视频车辆轮廓检测技术作为智能交通中的关键技术,在日常生活中有着广泛的应用前景。而智能交通对于视频车辆轮廓检测技术也有着实时性和准确性等严苛的要求。而在检测时,视频图像中复杂的背景以及各式各样的干扰,是目前视频车辆轮廓检测技术面临的问题。而随着国内外学者的不断努力,各式各样的检测算法层出不穷。Adaboost算法是近些年来比较流行的机器学习算法,在人脸识别领域有着出色的表现。同样,adaboost算法可以应用于视频车辆轮廓检测领域。本文根据经典的adaboost算法,在其基础上做出了一些改进,研究工作如下:(1)介绍视频车辆轮廓检测技术研究的背景意义,了解其中面临的问题。(2)介绍分析几种现有的视频车辆轮廓检测算法,了解其原理,并总结出存在的问题。(3)详细了解adaboost算法,理解其原理和实现过程,依次介绍haar特征、积分图以及分类器的训练及选取过程。(4)提出一种改进的adaboost算法进行视频车辆轮廓检测。首先,针对算法学习过程中,haar特征计算量过于庞大且耗时的现象,提出了对训练样本进行裁剪,去除样本边缘像素,有效减少特征数量,从而降低了计算量。(5)Adaboost算法检测在对视频图像进行检测时,滑动子窗口会在待检图像上依次滑过,图像中无关信息都需要被检测一遍,相当耗时。提出了使用光流法来获取视频图像中的运动区域作为感兴趣区域,在感兴趣区域中使用canny算子进行边缘检测,通过边缘能量筛选感兴趣区域,排除非感兴趣区域。最终使用adaboost算法对感兴趣区域进行检测,减小了检测区域降低了检测时间。(6)通过设置阈值来对检测结果进行筛选,提升准确率。结合算法的优点和不足对未来的发展进行展望。
【关键词】:视频车辆轮廓 adaboost算法 感兴趣区域 样本剪裁 边缘能量
【学位授予单位】:中原工学院
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:U495;TP391.41
【目录】:
  • 摘要4-5
  • Abstract5-9
  • 1 绪论9-14
  • 1.1 引言9-10
  • 1.2 研究背景及意义10-11
  • 1.3 视频车辆轮廓检测遇到的问题11-12
  • 1.4 本文主要工作及章节安排12-13
  • 1.5 本章小结13-14
  • 2 车辆轮廓检测方法综述14-22
  • 2.1 基于特征的车辆轮廓检测14-15
  • 2.2 基于运动分析的车辆轮廓检测15-16
  • 2.3 基于差分的车辆检测16-19
  • 2.3.1 背景差分16-17
  • 2.3.2 帧间差分17-18
  • 2.3.3 三帧差分18-19
  • 2.4 基于学习的车辆检测19-21
  • 2.4.1 支持向量机20
  • 2.4.2 神经网络20-21
  • 2.4.3 贝叶斯方法21
  • 2.4.4 Adaboost方法21
  • 2.5 本章小结21-22
  • 3 基于Adaboost算法的视频车辆轮廓检测22-33
  • 3.1 PAC原理22-23
  • 3.2 Adaboost算法23-24
  • 3.3 Haar特征24-27
  • 3.4 积分图27-28
  • 3.5 分类器的训练及选取28-29
  • 3.6 样本训练29-31
  • 3.7 实验分析31-32
  • 3.8 本章小结32-33
  • 4 改进的视频车辆轮廓检测算法33-42
  • 4.1 Adaboost算法分析33
  • 4.2 改进算法流程图33-35
  • 4.3 样本裁剪35
  • 4.4 光流法获取感兴趣区域35-38
  • 4.5 感兴趣区域边缘检测38-40
  • 4.6 误检降低40
  • 4.7 改进算法进行检测40-41
  • 4.8 本章小结41-42
  • 5 实验过程及结果分析42-48
  • 5.1 单一背景测试42-45
  • 5.2 复杂背景测试45-47
  • 5.3 本章小结47-48
  • 6 总结与展望48-50
  • 参考文献50-54
  • 附录:攻读硕士学位期间取得的研究成果54-55
  • 致谢55

【参考文献】
中国期刊全文数据库 前10条
1 刘荣;金国伟;;基于背景差分和光流法的运动目标检测与跟踪[J];现代制造技术与装备;2015年02期
2 张利平;赵俊梅;;基于光流的运动车辆检测和跟踪技术的研究[J];车辆与动力技术;2014年02期
3 王相海;秦钜鳌;方玲玲;;基于感兴趣区域AdaBoost分类器的视频车辆检测研究[J];辽宁师范大学学报(自然科学版);2014年01期
4 屈晶晶;辛云宏;;连续帧间差分与背景差分相融合的运动目标检测方法[J];光子学报;2014年07期
5 刘洋;王海晖;向云露;卢培磊;;基于改进的Adaboost算法和帧差法的车辆检测方法[J];华中科技大学学报(自然科学版);2013年S1期
6 孟子博;姜虹;陈婧;袁波;王立强;;基于特征剪裁的AdaBoost算法及在人脸检测中的应用[J];浙江大学学报(工学版);2013年05期
7 袁国武;陈志强;龚健;徐丹;廖仁健;何俊远;;一种结合光流法与三帧差分法的运动目标检测算法[J];小型微型计算机系统;2013年03期
8 曹莹;苗启广;刘家辰;高琳;;AdaBoost算法研究进展与展望[J];自动化学报;2013年06期
9 李宗阳;熊显名;;基于背景差分和均值漂移的闯红灯车辆视频自动检测系统[J];计算机应用与软件;2012年10期
10 娄路;;基于概率算法自适应更新背景的运动车辆检测[J];计算机工程与应用;2012年25期
【共引文献】
中国期刊全文数据库 前10条
1 郭溪溪;陈小林;王博;李治根;刘岩俊;;静态背景下运动目标边缘提取[J];现代电子技术;2017年13期
2 王莹;高美凤;;基于FPGA的视频图像目标检测系统[J];计算机系统应用;2017年06期
3 刘聪;程希明;;基于AdaBoost的二手车价值评估方法[J];北京信息科技大学学报(自然科学版);2017年03期
4 赵刚;黄汉明;卢欣欣;郭世豪;柴慧敏;;基于BP-Adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究[J];地震工程学报;2017年03期
5 陈涵奇;陈浩;胡涛;吴召选;刘金鹏;尹伟石;;采用STLK算法的高密度人群行人计数[J];长春理工大学学报(自然科学版);2017年03期
6 辛浩;李玲玲;;基于帧间差分与背景消减的视频摘要算法研究[J];淮北师范大学学报(自然科学版);2017年02期
7 贾冬;;收费站在线视频监控与管理系统设计[J];通讯世界;2017年10期
8 刘化轩;;基于Haar-like特征的LED固晶目标识别定位方法[J];工业控制计算机;2017年05期
9 周立宇;常侃;;基于边缘检测和灰度投影的人眼定位[J];广西科学;2017年03期
10 李文举;姚建国;董天祯;李海峰;何祥健;;基于交错帧差和高斯模型的运动车辆检测[J];计算机工程与设计;2017年05期
【二级参考文献】
中国期刊全文数据库 前10条
1 袁国武;陈志强;龚健;徐丹;廖仁健;何俊远;;一种结合光流法与三帧差分法的运动目标检测算法[J];小型微型计算机系统;2013年03期
2 赵俊梅;张利平;;交通视频中运动车辆检测和跟踪技术的研究[J];车辆与动力技术;2012年04期
3 王振亚;曾黄麟;;一种基于帧间差分和光流技术结合的运动车辆检测和跟踪新算法[J];计算机应用与软件;2012年05期
4 刘皞;赵峰民;陈望达;;一种基于背景自适应的运动目标检测与跟踪算法[J];海军航空工程学院学报;2012年01期
5 陈俊超;张俊豪;刘诗佳;陆小锋;;基于背景建模与帧间差分的目标检测改进算法[J];计算机工程;2011年S1期
6 李鹏;陈钱;郑海鸥;何宝福;;基于复杂背景的红外小目标图像预处理方法[J];红外与激光工程;2011年05期
7 高凯亮;覃团发;陈跃波;常侃;;一种混合高斯背景模型下的像素分类运动目标检测方法[J];南京大学学报(自然科学版);2011年02期
8 王相海;方玲玲;丛志环;;卡尔曼粒子滤波的视频车辆跟踪算法研究[J];中国图象图形学报;2010年11期
9 张起贵;张光伟;;一种视频序列中运动目标检测算法[J];昆明理工大学学报(理工版);2010年04期
10 邬大鹏;程卫平;于盛林;;基于帧间差分和运动估计的Camshift目标跟踪算法[J];光电工程;2010年01期
【相似文献】
中国期刊全文数据库 前10条
1 林志阳;康耀红;雷景生;;基于Adaboost的车标定位方法[J];计算机工程;2008年11期
2 严超;王元庆;李久雪;张兆扬;;AdaBoost分类问题的理论推导[J];东南大学学报(自然科学版);2011年04期
3 苏加强;丁柳云;;基于R的监督式AdaBoost异常值检测应用[J];淮海工学院学报(自然科学版);2013年01期
4 孔凡芝,张兴周,谢耀菊;基于Adaboost的人脸检测技术[J];应用科技;2005年06期
5 何毓知;陆建峰;;基于Adaboost的行道线检测[J];江南大学学报(自然科学版);2007年06期
6 潘奇明;朱谊强;;一种新的Adaboost样本权重更新算法[J];重庆工学院学报(自然科学版);2008年06期
7 刘欢喜;刘允才;;一种基于Adaboost算法的人脸检测[J];上海交通大学学报;2008年07期
8 顾明亮;夏玉果;张长水;杨亦鸣;;基于AdaBoost的汉语方言辨识[J];东南大学学报(自然科学版);2008年04期
9 蒋焰;丁晓青;;基于多步校正的改进AdaBoost算法[J];清华大学学报(自然科学版);2008年10期
10 李亚琼;赵春晖;潘泉;张绍武;;新的AdaBoost算法评价体系[J];计算机工程与应用;2009年08期
中国重要会议论文全文数据库 前10条
1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年
2 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
3 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
4 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年
5 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
6 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
7 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年
8 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年
9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年
10 肖磊;李丽;肖佳文;;基于AdaBoost-SVM的上市公司信用风险评估[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年
中国博士学位论文全文数据库 前4条
1 佟旭;基于复杂网络理论的糖尿病肾病辨证建模研究[D];北京中医药大学;2016年
2 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年
3 张太宁;人眼注视点估计方法的研究[D];南开大学;2013年
4 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年
中国硕士学位论文全文数据库 前10条
1 皮丽琴;基于AdaBoost-GASVM算法和LDA主题模型的短文本分类研究[D];华南理工大学;2015年
2 孙斌;一种基于Adaboost的实时行人检测算法[D];华南理工大学;2015年
3 蔡泽彬;基于视频分析的行人检测及统计方法研究[D];华南理工大学;2015年
4 游晴;Adaboost人脸检测算法研究及其在硬件平台上的实现[D];昆明理工大学;2015年
5 宋雨;基于视觉图片的脑—机接口控制研究[D];天津理工大学;2015年
6 林欣;基于改进肤色模型的AdaBoost人脸检测算法研究[D];陕西科技大学;2015年
7 袁浩杰;Adaboost算法的并行化及其在目标分类中的应用[D];华南理工大学;2015年
8 张恒;基于近红外图像的疲劳驾驶检测研究与系统实现[D];长安大学;2015年
9 朱非易;基于不平衡学习的蛋白质—维生素绑定位点预测研究[D];南京理工大学;2015年
10 张元;一种基于AdaBoost的组合分类算法研究[D];四川师范大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026