论文总字数：25058字

摘 要

随着城市中小汽车保有量不断增长，道路建设如火如荼地开展，现在的基础交通发展空间减小，人们逐渐将重心放在ITS的研究上。基于图像处理技术的运动目标检测方式具有许多传统检测方式所不具备的许多优点，因此近年来发展速度很快，逐渐地成为智能交通系统领域的一个研究热点。本文介绍了常用于图像处理的一些运动目标检测和跟踪的方法，分析了各自的优缺点，总结了运动目标检测和跟踪的难点。针对检测中的遮挡问题，本文引入了一种基于时空马尔可夫随机场、最大后验概率模型和能量函数的检测算法，通过给图像中的像素块分配车辆标号的方法区分不同的车辆区域，将遮挡问题转化成标号的优化问题，并借助能量函数比较同一块属于不同标号的可能性。接下来简要介绍了智能交通系统发展的现状，详细描述了图像处理技术目前在智能交通系统中的两种应用：车牌识别和车辆检测。最后，我对未来的图像处理技术的应用进行了美好的展望。

关键词：图像处理，智能交通系统，时空马尔可夫随机场，遮挡

Abstract

The space for basic transportation development decreases when the number of small cars in cities continues to increase. Gradually people turn to pay attention to the research of ITS. The moving object detection method based on image processing technology has many advantages that traditional detection methods do not have. Therefore, it has developed rapidly in recent years and has gradually become a research hotspot in the field of intelligent transportation systems. This article introduces some common methods for detecting and tracking moving objects, analyzes their advantages and disadvantages, and summarizes the difficulties in detecting and tracking moving objects. For the problem of occlusion in detection, the detection algorithm based on space-time Markov random field, maximum posterior probability model and energy function are introduced. It distinguishes different vehicle areas by assigning vehicle markings to pixel blocks in the image. Convert the occlusion problem to a tag optimization problem and use the energy function to compare the likelihood that the same block belongs to a different tag. Then briefly introduced the current status of the development of intelligent transportation systems, and described in detail two applications of image processing technology in intelligent transportation systems: license plate recognition and vehicle detection. There is a bright prospect for the application of future image processing technologies at the end of papers.

KEY WORDS: Image processing; ITS; ST-MRF; occlusion

目 录

摘要 I

Abstract II

第一章 绪论 3

1.1 论文研究的目的和意义 2

1.2 研究现状 2

1.3 本章小结 3

第二章 图像处理常用方法 4

2.1 运动目标检测常用方法 4

2.1.1 背景差分法 4

2.1.2 光流法 4

2.1.3 帧间差分法 5

2.1.4 其他方法 6

2.2 运动目标追踪常用方法 6

2.2.1 粒子滤波 6

2.2.2 轮廓跟踪 7

2.2.3 模型跟踪法 7

2.3 运动目标检测和跟踪研究中存在的问题 8

2.4 本章小结 8

第三章 基于ST-MRF的遮挡优化算法 9

3.1 基本思想 9

3.2 算法演绎过程 9

3.3 目标图的标号优化 10

3.3.1 贝叶斯后验概率模型 10

3.3.2 最小能量函数 11

3.3.3 松弛算法求最小能量 13

3.3.4 本章小结 14

第四章 图像处理技术在智能交通中的应用 15

4.1 智能交通系统发展现状 15

4.2 图像处理技术在智能交通系统中的应用 15

4.2.1 车牌识别 15

4.2.2 车辆检测 16

4.3 未来应用的展望 17

4.3.1 交通标志的检测和识别 17

4.3.2 自动车辆驾驶 18

4.4 本章小结 18

第五章 全文总结 19

致谢 20

参考文献 21

绪论

论文研究的目的和意义

目前在全球交通行业中，智能交通系统（ITS）凭借其实时、高效、全方位的特点成为各国交通专家们的青睐对象，而在ITS 整个框架中，车辆的实时检测、识别和跟踪是最基本的部分。运动目标检测技术和运动目标跟踪技术的研究是最近这些年来计算机视觉、图像处理研究领域中的热点。

剩余内容已隐藏，请支付后下载全文，论文总字数：25058字