基本信息
- 项目名称：
- 一种基于轮廓特征曲线的车辆遮挡分离算法
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 自然科学类学术论文
- 简介：
- 遮挡是智能交通系统中运动目标检测、跟踪和识别经常遇到的难题，遮挡车辆分离算法性能的优劣直接决定了车流量统计、车辆跟踪、车速计算等后续环节的准确性。 本论文以车辆常用的矩形模板为先验知识，提出了一种基于车辆轮廓曲线的车辆遮挡分离算法，该算法提取出车辆轮廓上的所有特征直线并将其分为四类，接着根据特定的特征直线组合提取出车辆轮廓上的所有拐点，最后根据这些拐点组合对遮挡车辆实施分离。
- 详细介绍：
- 车辆检测时经常会遇到车辆遮挡的难题，找到一种鲁棒、精确的车辆遮挡分离方法非常必要。本文提出了一种基于车辆轮廓曲线的车辆遮挡分离算法，该算法提取出车辆轮廓上的所有特征直线并将其分为四类，接着根据特定的特征直线组合提取出车辆轮廓上的所有拐点，最后根据这些拐点组合对车辆实施遮挡分离。实验表明，本文提出的方法鲁棒性好、精度高，具有很高的应用价值。
作品专业信息
撰写目的和基本思路
- 针对智能交通系统中遮挡车辆分离这一研究难点，提出一种基于车辆轮廓曲线的车辆遮挡分离算法。
科学性、先进性及独特之处
- 本论文提出的遮挡车辆分离算法仅需要检测出车辆轮廓曲线上的四类特征直线和八类特征拐角，就能够反映出车辆相互遮挡的各种状态，不但算法简单，实时性好，而且具有很强的鲁棒性，具有很高的应用价值。
应用价值和现实意义
- 遮挡是智能交通系统中运动目标检测、跟踪和识别经常遇到的难题，遮挡车辆分离算法性能的优劣直接决定了车流量统计、车辆跟踪、车速计算等后续环节的准确性。
学术论文摘要
- 遮挡是智能交通系统中运动目标检测、跟踪和识别经常遇到的难题。本论文以车辆常用的矩形模板为先验知识，提出了一种基于车辆轮廓曲线的车辆遮挡分离算法，该算法提取出车辆轮廓上的所有特征直线并将其分为四类，接着根据特定的特征直线组合提取出车辆轮廓上的所有拐点，最后根据这些拐点组合对车辆实施遮挡分离。实验表明，本文提出的方法鲁棒性好、精度高，具有很高的应用价值。
获奖情况
- 无
鉴定结果
- 无
参考文献
- [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]纪攸鹏智能交通系统中车辆视频检测¬识别跟踪方法的研究[D]．青岛：中国海洋大学，2006
同类课题研究水平概述
- 在智能交通系统中，由于摄像机拍摄角度和方向的原因，车辆之间的遮挡问题比较敏感，容易引起误判。因此能够有效地检测出运动车辆之间的遮挡，并将相互遮挡的车辆区分开来加以检测，是车辆的行为分析、识别以及跟踪的前提，也是智能交通中的核心内容和关键技术。为了解决车辆之间的遮挡问题，国内外学者已进行了大量研究并提出了许多有效的解决方法，如：①基于目标特征匹配的算法，其中特征可以是目标灰度图像、二值分割图像；②多子模板匹配的方法，该方法以匹配误差判定子模板是否被遮挡，然后用灰度相关匹配继续跟踪目标；该方法基于最大后验概率原则以子模板的相关匹配来度量该模板属于哪个目标，解决多目标相互遮挡的问题。③基于动态贝叶斯网络模型来精确地遮挡过程建模。④基于颜色直方图的粒子滤波器可以解决部分遮挡问题。⑤基于网格模型解决遮挡问题。 以上方法往往存在分离精度低、算法复杂或者鲁棒性差等问题，为了同时解决这三个方面的缺陷，本文以车辆常用的矩形模板为先验知识，提出了一种基于车辆轮廓曲线的车辆遮挡分离算法，该算法提取出车辆轮廓上的所有特征直线并将其分为四类，接着根据特定的特征直线组合提取出车辆轮廓上的所有拐点，最后根据这些拐点组合对车辆实施遮挡分离。实验表明，该算法不但简单，实时性高，而且鲁棒性好、精度高，具有很高的应用价值。
