智能交通系統(tǒng)中車輛提取與計(jì)數(shù)算法研究開題報(bào)告

1、濟(jì)寧學(xué)院本科畢業(yè)設(shè)計(jì)（論文）開題報(bào)告畢業(yè)設(shè)計(jì)（論文）題目智能交通系統(tǒng)中車輛提取與計(jì)數(shù)算法研究（study of vehicle detection and counting in its）題目類型科研基金項(xiàng)目題目來源系物理系專 業(yè)物理學(xué)指導(dǎo)教師職 稱姓 名年 級(jí)學(xué) 號(hào)一、 立題依據(jù)(國內(nèi)外研究進(jìn)展或選題背景、研究意義等)本項(xiàng)目的研究意義：基于視頻的車輛檢測和計(jì)數(shù)算法對(duì)于交通安全和交通控制具有非常重要的理論意義和實(shí)用價(jià)值，是基于視頻智能交通系統(tǒng)的基礎(chǔ)。隨著經(jīng)濟(jì)的快速發(fā)展，車輛的數(shù)目急劇增長，使得交通狀況日益惡化，這幾乎是困擾所有大城市的問題。為解決交通擁擠，避免交通事故，為道路建設(shè)提供數(shù)據(jù)，20

2、世紀(jì)80年代末90年代初，智能交通系統(tǒng)(intelligent transportation system)應(yīng)運(yùn)而生，tis通過對(duì)道路交通信息進(jìn)行實(shí)時(shí)監(jiān)測，了解道路交通的運(yùn)行狀況，根據(jù)交通流的動(dòng)態(tài)變化，迅速做出交通控制，減輕道路擁擠程度，減少車輛行車延誤21，減低了交通事故發(fā)生的概率，使得交通設(shè)施充分利用，從而達(dá)到智能交通系統(tǒng)的目的。車輛的檢測技術(shù)是智能交通系統(tǒng)的基礎(chǔ)，常用的方法有線圈檢測、微波檢測器、超聲波檢測器、視頻檢測等。環(huán)形檢測器目前在交通檢測系統(tǒng)中應(yīng)用最為廣泛。它的原理是通過一個(gè)電感器件即環(huán)形線圈與電子單元構(gòu)成一個(gè)調(diào)諧電子系統(tǒng)，當(dāng)車輛通過或停在線圈上時(shí)，改變了線圈的電感量，激發(fā)電路產(chǎn)

3、生一個(gè)輸出，從而檢測到通過或停在線圈上的車輛。它的優(yōu)點(diǎn)是成本較低，安裝方便。缺點(diǎn)是受環(huán)境影響比較大，而且線圈本身容易損壞，在更換安裝和維護(hù)時(shí)要開挖路面，影響交通，這種檢測方式對(duì)于交通流的數(shù)據(jù)提取也十分有限。微波檢測器由發(fā)射天線和發(fā)射接收器組成。發(fā)射器對(duì)檢測區(qū)域發(fā)射微波，當(dāng)車輛通過時(shí)，由于多普勒效應(yīng)反射波會(huì)以不同的頻率返回，通過檢測反射波的頻率來檢測車輛是否通過。超聲波檢測器也是運(yùn)用反射原理，發(fā)射器從頂部發(fā)出超聲波，當(dāng)有車輛通過時(shí)，接收器接收到回波的時(shí)間是不一樣的，據(jù)此可以判斷是否有車通過。車輛的視頻檢測技術(shù)相比以上檢測技術(shù)有如下優(yōu)點(diǎn):安裝維護(hù)方便，攝像機(jī)架設(shè)在路邊，安裝維護(hù)不需要封閉道路，挖掘

4、路面，不會(huì)影響正常交通。2，檢測范圍大，攝像機(jī)的圖像區(qū)域可以同時(shí)檢測多個(gè)車道，而且可以檢測多個(gè)交通參數(shù)。3，可以對(duì)交通現(xiàn)場錄像，供以后查詢?；谏鲜龅膬?yōu)越性，基于視頻圖像的車輛檢測技術(shù)對(duì)于智能交通系統(tǒng)的發(fā)展有巨大的推動(dòng)作用，對(duì)于日常生活和國家的經(jīng)濟(jì)發(fā)展都有很大的實(shí)際意義4ij，所以基于視頻的車輛檢測技術(shù)成為研究的熱點(diǎn)。國內(nèi)外研究現(xiàn)狀：智能交通系統(tǒng)是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題，發(fā)達(dá)國家提出并執(zhí)行了一系列研究計(jì)劃，其核心是針對(duì)日益嚴(yán)重的交通需求和環(huán)境保護(hù)壓力，采用通信技術(shù)、計(jì)算機(jī)技術(shù)、控制技術(shù)、信息處理技術(shù)等對(duì)傳統(tǒng)交通運(yùn)輸系統(tǒng)進(jìn)行深入的改造，以提高系統(tǒng)資源的使用效率、系統(tǒng)安全性，減少資源的

5、消耗和環(huán)境污染?；陬愃圃?，我國對(duì)智能交通系統(tǒng)的發(fā)展也抱有極大的熱情。根據(jù)我國的國情、技術(shù)基礎(chǔ)及發(fā)展階段，發(fā)展智能交通系統(tǒng)需要突出如下原則5:1，中國城市正面臨機(jī)動(dòng)化的關(guān)鍵時(shí)刻，應(yīng)確立可持續(xù)發(fā)展的戰(zhàn)略指導(dǎo)思想，建立良性發(fā)展的交通系統(tǒng)基礎(chǔ)。2，為盡快實(shí)現(xiàn)產(chǎn)業(yè)化，中國智能交通系統(tǒng)發(fā)展應(yīng)該首先在較為成熟的技術(shù)基礎(chǔ)上，通過技術(shù)集成，形成新的系統(tǒng)概念和系統(tǒng)功能。3，智能交通系統(tǒng)的建設(shè)，應(yīng)該有利于提高交通企業(yè)和管理部門的管理水平，向管理要效益，要資源。近幾年來，its在中國有了長足的發(fā)展.1999年，由科技部牽頭，聯(lián)合建設(shè)部、交通部、公安部等十多個(gè)相關(guān)部委，組織成立了全國智能交通系統(tǒng)(tis)協(xié)調(diào)小組，

6、為推動(dòng)交通系統(tǒng)的智能化發(fā)展提供了組織機(jī)制保障;2000年完感了中國tis體系框架研究和標(biāo)準(zhǔn)規(guī)范的制定。其中標(biāo)準(zhǔn)規(guī)范的制定從一定程度上確定了系統(tǒng)構(gòu)成、功能模塊以及模塊之間的通信協(xié)議和接口，建立了能夠與國際接軌的its標(biāo)準(zhǔn)體系，作為“十五”科技計(jì)劃的重大專項(xiàng)項(xiàng)目予以實(shí)施，并將以示范工程為引導(dǎo)，加快技術(shù)開發(fā)與產(chǎn)業(yè)化，促進(jìn)相關(guān)技術(shù)的全面發(fā)展。四川省車輛自動(dòng)識(shí)別管理系統(tǒng)(avim)宜賓示范工程、廣州市智能交通管理系統(tǒng)建設(shè)就是典型的體現(xiàn)。對(duì)于its應(yīng)用的各種情況，視頻檢測還有很多不足，運(yùn)動(dòng)檢測的難點(diǎn)主要有以下三點(diǎn):1，運(yùn)動(dòng)物體的正確檢測和分割自動(dòng)適應(yīng)環(huán)境的變化，去除噪聲及陰影的影響物體之間的遮擋與重疊以上

7、難點(diǎn)揭示了研究的方向，要求提出更加魯棒和結(jié)果更加準(zhǔn)確的視頻檢測算法。目前對(duì)于運(yùn)動(dòng)物體檢測，己有很多方法，常用的方法有:相鄰幀差法，三幀差法，背景抑制法，光流法。對(duì)于去除噪聲有均值濾波，中值濾波等算法。陰影去除有統(tǒng)計(jì)方法和確定算法。物體之間的遮擋與重疊是另一難點(diǎn)，基于視頻的智能交通系統(tǒng)現(xiàn)在對(duì)此研究不多，其中劉光耀等s假定車輛的模型及高度，然后根據(jù)重投影速度，重建車輛的三維信息，最后根據(jù)遮擋規(guī)則判斷是否遮擋。先進(jìn)的交通控制是智能交通的基礎(chǔ)，本文提取的車輛數(shù)目給交通控制提供依據(jù)，現(xiàn)有的基于視頻指導(dǎo)交通控制的算法，有利用車輛的排隊(duì)長度3l1ll協(xié)l，這種只能在車輛密集排列的時(shí)候，對(duì)于比較稀疏的情況則不

8、適用，例如當(dāng)監(jiān)視區(qū)域只有頭部和尾部有車，統(tǒng)計(jì)的排隊(duì)長度是整個(gè)監(jiān)視區(qū)域的長度，另外一種情況，在監(jiān)視區(qū)域頭部有密集排列的多輛車，但是提取的排隊(duì)長度小于上一種情況。需要強(qiáng)調(diào)的是本文中的車輛計(jì)數(shù)統(tǒng)計(jì)的是交通場景中瞬時(shí)的車輛數(shù)目，而現(xiàn)有的大部分計(jì)數(shù)算法0l10】統(tǒng)計(jì)的是某一時(shí)間段內(nèi)通過某一路口的車輛數(shù)目。通過某一路口的車輛數(shù)目的大小可以反映出道路交通流在數(shù)量方面的特性，但是當(dāng)某段時(shí)間道路某斷面的交通流量為零時(shí)，卻有兩種可能:一是道路上沒有車輛行駛，另一種可能是道路上有車輛，其車速為零，即交通堵塞。這時(shí)，交通流量就難以表示交通流的實(shí)際情況。在日常生活和交通管理的實(shí)踐中就會(huì)發(fā)現(xiàn)11頭當(dāng)?shù)缆飞宪囕v增多、車流密

9、度由小變大時(shí)，駕駛員被迫降低車速，單位時(shí)間內(nèi)通過道路某一點(diǎn)的車輛數(shù)減少;而車流密度由大變小時(shí)，又允許駕駛員以較大的車速行駛，單位時(shí)間通過道路某一點(diǎn)的車輛數(shù)又可能增加。而統(tǒng)計(jì)交通場景中車輛的瞬時(shí)數(shù)目，可以克服上述困難。目前國內(nèi)的算法主要集中在差分法和基于統(tǒng)計(jì)模式的運(yùn)動(dòng)目標(biāo)檢測，基于運(yùn)動(dòng)矢量估計(jì)的算法尚在起步階段。哈爾濱工業(yè)大學(xué)的張澤旭、李金宗、李寧寧等做過基于光流矢量和canny邊緣檢測算子來進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測和分割算法理論研究4。電子科技大學(xué)的魏波做過基于統(tǒng)計(jì)模式方法的運(yùn)動(dòng)目標(biāo)檢測算法，首先利用較簡單的算法對(duì)運(yùn)動(dòng)場進(jìn)行了粗略的估計(jì)，然后根據(jù)馬爾可夫(markov)隨機(jī)場理論構(gòu)造出運(yùn)動(dòng)場的間斷點(diǎn)

10、分布模型，利用此模型來檢測運(yùn)動(dòng)場間的斷點(diǎn)，以此來實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測。實(shí)驗(yàn)表明，這一方法十分有效，且運(yùn)算負(fù)擔(dān)較小，并可通過dsp實(shí)現(xiàn)實(shí)時(shí)檢測5，但未能實(shí)現(xiàn)跟蹤。也有人對(duì)幀差算法運(yùn)用先進(jìn)的技術(shù)進(jìn)行了優(yōu)化和改進(jìn)，如模糊聚類算法6、遺傳算法聚類7等。但是都只停留在理論算法的研究基礎(chǔ)上。此外，對(duì)于基于運(yùn)動(dòng)矢量的車輛檢測和跟蹤，國內(nèi)也有一定的研究8。1978年，美國jpt(加州帕薩迪納市的噴氣推進(jìn)實(shí)驗(yàn)室)首先提出了運(yùn)用機(jī)器視覺來進(jìn)行車輛的檢測的方法，指出其是傳統(tǒng)檢測方法的一種可行的替代方案。幾年后，美國明尼蘇達(dá)大學(xué)的研究人員研制了第一個(gè)可以投入實(shí)際使用的基于視頻的車輛檢測系統(tǒng)。該系統(tǒng)使用了當(dāng)時(shí)最先進(jìn)的微處

11、理器，在不同場景和環(huán)境下的測試結(jié)果良好，說明了利用視頻傳感器實(shí)時(shí)檢測車輛的可行性。同期基于視頻的車輛檢測的研究也在歐洲和日本廣泛展開。此后十年間基于視頻的車輛檢測技術(shù)取得了長足的進(jìn)步。1991年，美國加州理工大學(xué)對(duì)在高速公路上運(yùn)用視頻方法的檢測技術(shù)進(jìn)行了評(píng)估，在評(píng)估報(bào)告中對(duì)當(dāng)時(shí)采用的不同的視頻車輛檢測技術(shù)詳盡地進(jìn)行了分類。三年后，美國休斯飛機(jī)公司評(píng)測了當(dāng)時(shí)存在的幾種檢測技術(shù)，包括視頻檢測技術(shù)，測評(píng)結(jié)果指出基于視頻圖像處理的車輛檢測系統(tǒng)已經(jīng)具備了投入實(shí)際使用的潛力。1994年mdot(明尼蘇達(dá)運(yùn)輸部)為fhwa(美國聯(lián)邦公路局)進(jìn)行了更詳盡嚴(yán)格的測評(píng)，結(jié)果表明視頻檢測器的檢測準(zhǔn)確性和可靠性可以達(dá)

12、到令人滿意的程度。同時(shí)隨著視頻車輛檢測技術(shù)的發(fā)展，人們已不滿足于僅僅檢測出車輛，fhwa進(jìn)一步利用此技術(shù)來提取交通參數(shù)，如交通流量，十字路口的車輛轉(zhuǎn)向信息等。日本東京大學(xué)的shunsuke kamijo，katsushi ikeuchi，masao sakauchi等人也做了很多深入的改進(jìn)算法研究。主要的研究方向是如何根據(jù)運(yùn)動(dòng)估計(jì)、基于馬爾可夫(markov)隨機(jī)場等技術(shù)進(jìn)行運(yùn)算，以解決運(yùn)動(dòng)目標(biāo)的遮擋問題3。該算法首先計(jì)算運(yùn)動(dòng)背景的參考灰度，通過灰度閾值來檢測車輛并進(jìn)行初始化標(biāo)志，同時(shí)計(jì)數(shù)器更新，然后通過運(yùn)動(dòng)矢量的計(jì)算，更新車輛區(qū)域和編號(hào)，最后通過馬爾可夫(markov)隨機(jī)場進(jìn)行優(yōu)化。參考文

13、獻(xiàn)1karmann k p,brandt a v.moving object recognition using an adaptive background memoryc/proc.of time-varying image processing and moving object recognition.amsterdam:s.n.,1990:289-296.2fredman n,russell s.image segmentation in video sequencesc/proc.of the 13th conf.on uncertainty in artificial intel

14、ligence.providence,rhode island,usa:s.n,1997.3gao d s,zhou j,xin l j.a novel algorithm of adaptive background estimationc/proc.of 2001 international conferenceon image processing.shanghai:s.n.,2001:395-398.4王成儒,劉豫.一種視頻圖像序列中運(yùn)動(dòng)對(duì)象的分割與跟蹤算法j.光電工程,2006,33(7):9-12.5王敏,駱惠,黃心漢.一種新的自動(dòng)多閾值圖像分割方法j.信號(hào)處理,2000,16(1

15、):90-94.二、研究的主要內(nèi)容及預(yù)期目標(biāo)1.研究內(nèi)容本文的研究內(nèi)容主要包括：（1）以背景重構(gòu)為基礎(chǔ)的車輛檢測算法體系的研究，主要分析了如何重構(gòu)道路背景、如何分割和提取車輛；（2）車輛發(fā)生遮擋和粘連的情況，提出了兩種方法嘗試處理該問題。一種是通過lab顏色空間聚類來確定遮擋區(qū)域車輛數(shù)目，另一種是通過分析遮擋區(qū)域形狀區(qū)分每一輛車。2.本文的主要工作有：1.提出了一種基于背景重構(gòu)的運(yùn)動(dòng)車輛提取算法。與已有的運(yùn)動(dòng)車輛提取算法相比，該算法是基于區(qū)域進(jìn)行運(yùn)動(dòng)車輛的提取。通常的基于背景重構(gòu)的運(yùn)動(dòng)車輛提取算法是在像素級(jí)上完成的，容易受到噪聲的影響，而且容易將兩個(gè)車輛判別為一個(gè)車輛。該算法比通常的基于像素的

16、搜索算法在準(zhǔn)確性、魯棒性上有所提高；2.提出了基于區(qū)域的多特征匹配的運(yùn)動(dòng)車輛跟蹤算法。在運(yùn)動(dòng)車輛的跟蹤中，根據(jù)運(yùn)動(dòng)車輛在相鄰兩幀中移動(dòng)距離不遠(yuǎn)和在圖像中面積變化不太大的特點(diǎn)，采用運(yùn)動(dòng)車輛的大小、形狀、運(yùn)動(dòng)估計(jì)與質(zhì)心位置在圖像中進(jìn)行匹配，從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車輛的跟蹤，該算法已在試驗(yàn)框架中得到驗(yàn)證。3.針對(duì)交通事件檢測要求，在運(yùn)動(dòng)車輛跟蹤結(jié)果的基礎(chǔ)上，對(duì)車輛運(yùn)動(dòng)方向檢測和車輛速度估算給出具體檢測算法。本文利用運(yùn)動(dòng)車輛的最小外接矩形大小的變化趨勢和質(zhì)心的偏移方向，再加上規(guī)定的行駛方向先驗(yàn)知識(shí)，即可獲得運(yùn)動(dòng)車輛的行駛方向。通過對(duì)攝像機(jī)的標(biāo)定，利用上述獲取的運(yùn)動(dòng)車輛的行駛方向，獲得運(yùn)動(dòng)車輛的大致速度。3.

17、擬解決的關(guān)鍵問題：1.車輛的分割及提取。2.處理由于車輛遮擋引起的分裂與合并問題。三、研究方案（思路）1、擬采取的研究方法、研究手段、技術(shù)路線、實(shí)驗(yàn)方案及可行性分析（1） 研究方法及手段1，研究了以往的背景重建算法，針對(duì)以往算法的不足，本文提出了一種基于t分布的動(dòng)態(tài)背景重建算法，可以利用數(shù)十幀圖像重建一幅不包含運(yùn)動(dòng)車輛的初始背景。2，對(duì)比現(xiàn)有的運(yùn)動(dòng)物體提取算法，最終選擇了基于rgb空間的背景抑制算法。估計(jì)出圖像rgb三個(gè)通道的噪聲方差，二值化差圖像時(shí)rgb每個(gè)通道的閩值設(shè)為各自通道噪聲方差的三倍。3，研究了兩種去陰影的算法，分別是基于hsv空間的去陰影方法和藍(lán)波段信息去陰影方法。4，最后對(duì)車輛

18、發(fā)生遮擋和粘連的情況進(jìn)行了研究，提出了兩種方法嘗試處理該問題。一種是通過lab顏色空間聚類來確定遮擋區(qū)域車輛數(shù)目，另一種是通過分析遮擋區(qū)域形狀區(qū)分每一輛車。（2）技術(shù)工藝路線（3）基于視頻的車輛檢測和跟蹤算法體系的有效性和可行性。1背景的生成一般而言，從包含行駛車輛、非機(jī)動(dòng)車及行人的交通圖像序列中，獲得一幀不包含任何運(yùn)動(dòng)目標(biāo)的“干凈”背景是背景提取的難點(diǎn)。課題中背景提取采用的是基于眾數(shù)法的原理3：在一個(gè)圖像序列中，在某一閾值范圍內(nèi)，認(rèn)為序列中出現(xiàn)次數(shù)最多的幾個(gè)(算法中取3個(gè))灰度值最有可能為背景灰度值，因此按照其各自出現(xiàn)次數(shù)做加權(quán)得到的平均值為背景值。以圖像序列1,2,i,j,.,n中的同一個(gè)

19、像素點(diǎn)p為例：11()1,2,max();ni jjicount i boolean i i thresholdi ni arg count i=?=?=?=?(1)p ,initial i1 i 2 i3b =i +i +i(2)31123_()()_()_()_nncount sum count icount icount sumcount icount sumcount icount sum=?=?=?=?=?(3)count(i)是圖像序列的第i幀與序列中其他所有幀的灰度差值的絕對(duì)值在閾值范圍內(nèi)出現(xiàn)的次數(shù)。threshold是所選取的灰度差閾值，按照灰度級(jí)0255的取值，算法可以選取一

20、個(gè)與像素位置無關(guān)的閾值。取threshold=2,i1,i2,i3分別是出現(xiàn)次數(shù)最多、次多和第3多的序列標(biāo)號(hào)，這3幀圖像在像素p上的灰度值，按照它們出現(xiàn)次數(shù)作相應(yīng)的加權(quán)和，得到了背景在像素p上的初始灰度值bp,initial，權(quán)值分別為,。當(dāng)所有的像素點(diǎn)都被標(biāo)識(shí)出來，完整的背景圖像就生成了。2背景更新系統(tǒng)使用了一種加權(quán)系數(shù)法更新背景圖像3。1 1(1)0(5)其中，histo(n)是灰度值n在直方圖中的所占百分比。在不同光線條件下，threshold的選取決定了最后的前景提取結(jié)果。實(shí)驗(yàn)中選取threshold=0.5，由于這個(gè)值較小，提取的前景也較小，因此能夠避免一些遮擋發(fā)生的情況。在不同的光

21、線條件下，根據(jù)式(5)閾值能夠自動(dòng)調(diào)整。從而實(shí)現(xiàn)自適應(yīng)閾值分割的最終前景提取。圖4是在不同光線條件下的實(shí)驗(yàn)結(jié)果，從左到右依次是原圖像、閉運(yùn)算后邊緣圖像和對(duì)邊緣圖像進(jìn)行閾值分割后的前景圖。最后的前景由圖4(a)(c)中右圖的實(shí)心標(biāo)塊顯示。圖4(a)是光線良好的情況下的實(shí)驗(yàn)結(jié)果，沒有陰影的干擾，閉運(yùn)算和最終前景都基本和預(yù)前景重合。圖4(b)是陰影存在情況下的實(shí)驗(yàn)結(jié)果，閉運(yùn)算的結(jié)果陰影部分的邊緣已經(jīng)不太明顯。最終前景基本覆蓋了車輛部分。圖4(c)是夜晚路面反光情況下的實(shí)驗(yàn)結(jié)果，閉運(yùn)算的結(jié)果，路面反光部分的邊緣還比較明顯。最終前景也較好地反映了車輛部分。四、論文進(jìn)度安排論文計(jì)劃分五部分：1. 材料2.

22、 方法3. 結(jié)果4. 討論5. 小結(jié)五、主要參考文獻(xiàn)相關(guān)文獻(xiàn)：1 胡峰俊,沈國珍,楊海波. 交通流視頻檢測中車輛的檢測與跟蹤j. 計(jì)算機(jī)工程與設(shè)計(jì), 2008, (06) . 2 杜宇人,周愛軍. 一種基于視頻圖像的運(yùn)動(dòng)車輛跟蹤方法j. 電子測量與儀器學(xué)報(bào), 2009, (03) . 3 董春利,董育寧. 基于視頻的車輛檢測與跟蹤算法綜述j. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, (02) . 4 楊超,劉建偉,曹泉,萬峻甫. 基于高斯背景模型的視頻車輛跟蹤方法j. 微計(jì)算機(jī)信息, 2009, (15) . 5 石時(shí)需,鄭啟倫,曹波. 一種基于區(qū)域的視頻車輛跟蹤系統(tǒng)j. 計(jì)算機(jī)工程,

23、2008, (17) . 6 卞建勇,徐建閩,裴海龍. 基于強(qiáng)化學(xué)習(xí)的視頻車輛跟蹤j. 華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, (10) . 7 杜宇人,周愛軍. 一種遮擋情況下運(yùn)動(dòng)車輛的跟蹤算法j. 揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, (01) . 8 楊建國,尹旭全,方麗,李健,王兆安. 基于自適應(yīng)輪廓匹配的視頻運(yùn)動(dòng)車輛檢測和跟蹤j. 西安交通大學(xué)學(xué)報(bào), 2005, (04) . 9 葛嘉琦,李勃,陳啟美. 基于圖像運(yùn)動(dòng)區(qū)域的車輛遮擋跟蹤算法j. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007, (01) . 10 秦歡歡,冀小平,劉彥民,徐方亮. 基于視頻的車輛檢測與跟蹤j. 科技情

24、報(bào)開發(fā)與經(jīng)濟(jì), 2007, (31) . 參考文獻(xiàn)：1 潘秦華. 車輛目標(biāo)檢測與交通流量檢測系統(tǒng)的研究d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2005,(02) . 2 張麗. 車輛視頻檢測與跟蹤系統(tǒng)的算法研究d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2003,(01) . 3 張羽. 智能交通中闖紅燈車輛視頻檢測算法的研究d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2006,(07) . 4 徐永勝. 智能交通系統(tǒng)中車牌識(shí)別與車型檢測的研究d. 中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫, 2007,(03) . 5 張小軍. 智能交通系統(tǒng)中的車輛檢測和車型識(shí)別技術(shù)研究d.

25、 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2006,(09) . 6 李躍發(fā). 基于視頻的車輛檢測與跟蹤技術(shù)研究d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2007,(06) . 7 曹治錦. 基于視頻的車輛檢測和車型識(shí)別d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2004,(03) . 8 高大山. 智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測方法的研究d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2004,(02) . 9 蘇東華. 視頻車輛檢測技術(shù)的應(yīng)用和發(fā)展d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2006,(04) . 10 王曉冬. 移動(dòng)陰影環(huán)境下的車輛視頻檢測

26、算法研究d. 中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫 (碩士), 2007,(06) . 六、指導(dǎo)教師意見 指導(dǎo)教師簽名： 年 月 日七、系審核意見 負(fù)責(zé)人簽名（公章）： 年 月 日注：1. 題目類型：理論、實(shí)驗(yàn)、應(yīng)用、綜合；2. 題目來源：指導(dǎo)教師擬定、自選、其它；3. 此表可打印。r3uhd3uhd3u斷喉弩好多年課代表卡不都快遞吧4坤角兒4進(jìn)而34就可4蛕?d脙#軟媁?vo滂焜?蔣 鱷n-p-觴?f瀢?鷲2sxwj扱;$e鍇?咼?wb,o?hw芀嚙c八?迎q?&锃?.楧d峘?wb賛裝 綄?衈瞹?嘁?尥?b袦20?箻yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬

27、拃szl4-榌m y朗k?v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳|嗚?b踱4b羾?右檉骽曜rby?梯魏%鳊;?d?蘞v咉m?.?u噎丂fzjy豎莈;6q蝚 q?f譫僉聒涒鏼(3?輋uuemscc俚f?哘拒頤僛?捚?薲爐e箍x 滟|(zhì)嶦?緋?+擔(dān)擷擾卯?懕aq捠挧e嘞腕%鋰?啰h?.逌ue

28、廇.w9衢o踺隗?崢抙e?4囪w壺%俒資? y胘wje樽磣3鈊q?l?搓#4袂芻窖?a畔/7q?誐棏誄斛z?x喗ks轠揋?剬w駒?p鹺j慣?堒j飮鰌?膽?烲?:什聽揯t瑽坂:?閕粸?pwd;=vm?z衡$z謘澢輯x鞫獐昃o獳?n癮h餰蜰z73|庽鮵擶ow:綴e?材儍杊咁艦ep?m)?溝釔侭橎牣酸:t ?镚):dkkf|4g肰噿噚?m鎔鮢1r褡qq?蟭櫰*鍚揝?剾貀窴*権?k猞i?僗野x.?=萙s?穊堺e崖?*g繍y犡cn*唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬拃

29、szl4-榌m y朗k?v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳|嗚?b踱4b羾?右檉骽曜rby?梯魏%鳊;?d?蘞v咉m?.?u噎丂fzjy豎莈;6q蝚 q?f譫僉聒涒鏼(3?輋uuemscc俚f?哘拒頤僛?捚?薲爐e箍x 滟|(zhì)嶦?緋?m鎔鮢1r褡qq?蟭櫰*鍚揝?剾貀窴*権?k猞i?

30、僗野x.?=萙s?穊堺e崖?*g繍y犡cn*唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬拃szl4-榌m y朗k?v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳|嗚?

31、b踱4b羾?右檉骽曜rby?梯魏%鳊;?d?蘞v咉m?.?u噎丂fzjy豎莈;6q蝚 q?f譫僉聒涒鏼(3?輋uuemscc俚f?哘拒頤僛?捚?薲爐e箍x 滟|(zhì)嶦?緋?+擔(dān)擷擾卯?懕aq捠挧e嘞腕%鋰?啰h?.逌ue廇.w9衢o踺隗?崢抙e?4囪w壺%俒資? y胘wje樽磣3鈊q?l?搓#4袂芻窖?a畔/7q?誐棏誄斛z?x喗ks轠揋?剬w駒?p鹺j慣?堒j飮鰌?膽?烲?:什聽揯t瑽坂:?閕粸?pwd;=vm?z衡$z謘澢輯x鞫獐昃o獳?n癮h餰蜰z73|庽鮵擶ow:綴e?材儍杊咁艦ep?m)?溝釔侭橎牣酸:t ?镚):dkkf|4g肰噿噚?m鎔鮢1r褡qq?蟭櫰*鍚揝?剾貀窴*権?k猞i?僗

32、野x.?=萙s?穊堺e崖?*g繍y犡cn唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?j鍔峜摤蚗平紱?b?+擔(dān)擷擾卯?懕aq捠挧e嘞腕%鋰?啰h?.逌ue廇.w9衢o踺隗?崢抙e?4囪w壺%俒資? y胘wje樽磣3鈊q?l?搓#4袂芻窖?a畔/7q?誐棏誄斛z?x喗ks轠揋?剬w駒?p鹺j慣?堒j飮鰌?膽?烲?:什聽揯t瑽坂:?閕粸?pwd;=vm?z衡$z謘澢輯x鞫獐昃o獳?n癮h餰蜰z73|庽鮵擶ow:綴e?材儍杊咁艦ep?m)?溝釔侭橎牣酸:t ?镚):dkkf|4g肰噿噚?m鎔鮢1r褡qq?蟭櫰*鍚揝?剾貀窴*権?k猞i?僗野x.?=萙s?

33、穊堺e崖?*g繍y犡cn唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬拃szl4-榌m y朗k?儤v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳|嗚?b踱4b羾?右檉骽

34、曜rby?梯魏%鳊;?d?蘞v咉m?.?u噎丂fzjy豎莈;6q蝚 q?f譫僉聒涒鏼(3?輋uuemscc俚f?哘拒頤僛?捚?薲爐e箍x 滟|(zhì)嶦?緋?+擔(dān)擷擾卯?懕aq捠挧e嘞腕%鋰?啰h?.逌ue廇.w9衢o踺隗?崢抙e?4囪w壺%俒資? y胘wje樽磣3鈊q?l?搓#4袂芻窖?a畔/7q?誐棏誄斛z?x喗ks轠揋?剬w駒?p鹺j慣?堒j飮鰌?膽?烲?:什聽揯t瑽坂:?閕粸?pwd;=vm?z衡$z謘澢輯x鞫獐昃o獳?n癮h餰蜰z73|庽鮵擶ow:綴e?材儍杊咁艦ep?m)?溝釔侭橎牣酸:t ?镚):dkkf|4g肰噿噚?m鎔鮢1r褡qq?蟭櫰*鍚揝?剾貀窴*権?k猞i?僗野x.?=萙s?穊

35、堺e崖?*g繍y犡cn曦*唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬拃szl4-榌m y朗k?儤v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳|嗚?b踱4b羾?右檉

36、骽曜rby?梯魏%鳊;?d?蘞v咉m?.?u噎丂fzjy豎莈;6q蝚 q?f譫僉聒涒鏼(3?輋uuemscc俚f?哘拒頤僛?捚?薲爐e箍x 滟|(zhì)嶦?緋?+擔(dān)擷擾卯?懕aq捠挧e嘞腕%鋰?啰h?.逌ue廇.w9衢o踺隗?崢抙e?4囪w壺%俒資? y胘wje樽磣3鈊q?l?搓#4袂芻窖?a畔/7q?誐棏誄斛z?x喗ks轠揋?剬w駒?p鹺j慣?堒j飮鰌?膽?烲?:什聽揯t瑽坂:?閕粸?pwd;=vm?z衡$z謘澢輯x鞫獐昃o獳?n癮h餰蜰z73|庽鮵擶ow:綴e?材儍杊咁艦ep?m)?溝釔侭橎牣酸:t ?镚):dkkf|4g肰噿噚?m鎔鮢1r褡qq?蟭櫰*鍚揝?剾貀窴*権?k猞i?僗野x.?=萙s?

37、穊堺e崖?*g繍y犡cn曦*唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬拃szl4-榌m y朗k?儤v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳?m鎔鮢1r褡qq?

38、蟭櫰*鍚揝?剾貀窴*権?k猞i?僗野x.?=萙s?穊堺e崖?*g繍y犡cn*唇?竟瘡綴頎y?擠lo睈y軩%q1?r?.鍼t滜?jmr=cz?x?pox邦漺癬c荵挜fq?yf邴?詑攗檢錕袥匏=憌?&丹?鐘w鰈毨g艟熋h?&鰢z?l?&?;.z刧絎鰀畬拃szl4-榌m y朗k?v?+犢hmu鏸tn褸 埈蕛癤當(dāng)? m%犔?qvp?0蜈_?绹?爔豴t纴餚?鉙?hte候r?d檘塹?乒h齊?砱蜮陾巁?g?硃?硘敍櫞z?g贒?ijw諄揚(yáng)?+u醸?羛?;h?豋h(r8v?嶗)y|?鉸=吮野m擪楋?岠?8.呫諜s啿jgy圕蜽褘0s燅?晳r?羀矤?厎?v?;騴捃?鶁r?脅一痯譊噼?阜z?;o?婗妸_兼譫烴h樹畬門v?深?yuàn)X劇,臕!?鮥?!荳|嗚?b踱4b羾?右檉骽曜rby?梯魏%鳊;?d?蘞v咉m?.?u噎丂fzjy豎莈;6q蝚 q?f譫僉聒涒鏼(3?輋uuemscc俚f?哘拒頤僛?捚?薲爐e箍x 滟|(zhì)嶦?緋?+擔(dān)擷擾卯?懕aq捠挧e嘞腕%鋰?啰h?.逌ue廇.w9衢o踺隗?崢抙e?4囪w壺%俒資? y胘wje樽磣3鈊q?l?搓#4袂芻窖?a畔/7q?誐棏誄斛z?x喗ks轠揋?