交通图像检测与分析PDF电子书下载

1 绪论 1

1.1 交通监控 1

1.1.1 收费和路况监控 1

1.1.2 违章自动监测 2

1.2 交通参数提取 3

1.2.1 基于虚拟点、虚拟线、虚拟线圈的交通参数提取方法 4

1.2.2 基于目标提取和跟踪的交通参数提取方法 5

1.3 车牌自动识别系统 6

1.3.1 车牌定位 8

1.3.2 车牌预处理 8

1.3.3 车牌字符识别 9

1.4 道路识别 9

1.5 行人检测 12

2 数字图像处理基础 16

2.1 图像的数字化描述及基本概念 16

2.1.1 图像的数字化描述 16

2.1.2 相关概念 17

2.2 图像压缩 19

2.2.1 常用图像压缩方法 19

2.2.2 常见的图像文件格式 21

2.3 图像的滤波 22

2.3.1 领域平均法 22

2.3.2 中值滤波法 22

2.3.3 高斯滤波 22

2.3.4 维纳滤波 22

2.4 图像的分割 24

2.4.1 区域分割技术 24

2.4.2 边缘检测技术 26

2.4.3 轮廓提取及跟踪 28

2.5 图像检测技术 29

2.5.1 投影法 29

2.5.2 帧差法 30

2.5.3 模板匹配 30

2.6 特征提取 31

2.6.1 目标描述 31

2.6.2 特征抽取 31

2.7 图像形态学处理 32

3 交通监控系统 34

3.1 多路视频监视技术 34

3.1.1 视频监视技术简介 34

3.1.2 视频监控系统的基本组成 35

3.1.3 图像及其他信号的传输方式 39

3.1.4 计算机多媒体监控技术 41

3.1.5 数字视频远程监控系统 43

3.2 闯红灯检测技术 46

3.2.1 基本原理 47

3.2.2 XATM-Ⅲ型闯红灯监摄系统 47

3.2.3 图像后期处理系统 50

3.2.4 系统主要特点 52

3.2.5 几个关键技术问题 53

3.2.6 数码相机闯红灯监测系统简介 54

3.3 超速检测技术 55

3.3.1 基本原理 55

3.3.2 系统特点 56

3.4 以嵌入式实时DSP交通监控系统 57

3.4.1 系统的组成原理 57

3.4.2 系统的实现 64

3.4.3 系统应用 67

4 车牌检测与识别技术 69

4.1 概述 69

4.1.1 车牌自动识别系统的组成 69

4.1.2 车牌自动识别系统的研究现状 70

4.1.3 LPR技术的应用 72

4.2 车牌定位提取 73

4.2.1 基于数学形态学的车牌定位 73

4.2.2 基于投影法的车牌定位 83

4.2.3 基于模糊边缘检测的车牌定位 84

4.3 车牌分割及字符提取 87

4.3.1 车牌图像分割 88

4.3.2 车牌的几何校正 95

4.3.3 字符的切分方法 97

4.4 字符辨识 101

4.4.1 字符大小的归一化 101

4.4.2 车牌字符的特征提取 102

4.4.3 基于字符统计模板的识别方法 107

4.4.4 基于傅里叶描述子特征的数字、字母识别 111

4.4.5 基于层次搜索的车牌字符识别 111

4.4.6 基于神经认知机的字符识别 114

5 交通视频图像的处理 118

5.1 视频成像变换 118

5.1.1 坐标系定义 118

5.1.2 成像变换 118

5.2 背景更新技术 122

5.2.1 背景帧差背景更新技术 122

5.2.2 连续帧差背景更新技术 124

5.3 运动检测算法 126

5.3.1 基本方法简述 126

5.3.2 基于HIS色彩空间的运动检测方法 127

5.4 视频图像分割 129

5.4.1 传统的基于背景差分的视频分割 129

5.4.2 基于背景差分和噪声模型的视频分割 130

5.4.3 噪声去除 132

5.5 基于彩色检测线线间差分的阴影消除方法 134

5.5.1 引言 134

5.5.2 车辆／阴影模型的建立与判决 135

5.5.3 阴影消除方法 137

5.5.4 阴影消除实验及分析 139

5.6 交通信息检测基础 140

5.6.1 虚拟检测线 141

5.6.2 车辆检测 141

5.7 交通参数提取 142

5.7.1 车流量 142

5.7.2 车型 142

6 道路交通信息的视频检测技术 146

6.1 概述 146

6.1.1 基于非模型的交通信息采集技术 146

6.1.2 基于模型的交通信息采集技术 147

6.2 非模型的道路交通信息视频检测 148

6.2.1 交通信息视频检测算法描述 148

6.2.2 车流量视频检测方法 149

6.2.3 车速视频检测算法 152

6.2.4 其他交通参数的导出方法 155

6.3 基于模型的交通信息视频检测方法 156

6.3.1 算法简介 156

6.3.2 检测区域分布 158

6.3.3 运动图像分割 158

6.3.4 基于目标的多尺度形态滤波 159

6.3.5 运动角点跟踪 159

6.3.6 区域跟踪 163

6.3.7 实际检测效果测试 164

6.4 排队长度的视频检测 165

6.4.1 基于投影法的车辆排队检测方法 165

6.4.2 基于边缘分割的车辆排队检测算法 167

7 运动车辆的跟踪 169

7.1 车辆轨迹的视频跟踪思路 169

7.1.1 跟踪预处理 169

7.1.2 跟踪策略 172

7.2 起始跟踪问题 173

7.2.1 运动目标的特征 174

7.2.2 特征相似度评判函数 174

7.3 轨迹跟踪方法 177

7.3.1 基于Kalman滤波的跟踪回顾 177

7.3.2 基于GM（1,1）模型的跟踪 178

7.3.3 跟踪方法的性能分析 180

7.3.4 基于支持向量机的运动轨迹分析 183

7.4 目标的合并和分离处理 187

7.5 跟踪实验 188

8 车辆视频导航技术初探 189

8.1 公路标识辨识技术简介 189

8.1.1 引言 189

8.1.2 路标提取算法简介 192

8.1.3 路标识别算法 195

8.2 道路识别技术 197

8.2.1 道路标识识别 198

8.2.2 提取车道标线的特征点 204

8.2.3 实验结果 205

8.3 道路模型匹配与跟踪 206

8.3.1 道路模型 206

8.3.2 模型匹配 208

8.3.3 道路的视频跟踪 209

8.3.4 实验结果及分析 209

8.4 基于视频的前车检测 212

8.4.1 工作模式的判断 212

8.4.2 日间驾驶前车检测 213

8.4.3 夜间驾驶前车检测 215

8.4.4 前车跟踪 217

8.4.5 实验结果 219

9 运动行人检测与分析 222

9.1 概述 222

9.2 运动行人检测的实现思想 223

9.2.1 行人检测 224

9.2.2 行人跟踪 225

9.2.3 运动参数提取 226

9.3 运动行人检测算法 226

9.3.1 运动行人检测方法 226

9.3.2 图像的预处理 227

9.3.3 运动行人分割 228

9.3.4 运动行人的初步检测 230

9.3.5 行人的精确检测 231

9.3.6 试验结果 232

9.4 行人识别与跟踪 233

9.4.1 运动行人跟踪 233

9.4.2 目标特征提取 235

9.4.3 行人的运动预测 237

9.4.4 特征匹配 237

9.4.5 行人运动分析 240

10 未来研究与展望 243

10.1 图像采集系统 243

10.2 图像鲁棒检测和识别 243

10.3 图像处理方法的实时性和有效性 244

主要参考文献 245