圖像大數(shù)據(jù)車輛搜索中基于流形學習的車輛檢測算法.pdf

1、隨著交通的快速發(fā)展，車輛數(shù)量持續(xù)增長，由車輛帶來的交通管理、交通安全和社會治安等問題日顯突出。在交通道路、小區(qū)大院、停車場、交通樞紐等安裝的交通視頻監(jiān)控系統(tǒng)每天能產(chǎn)生大量的視頻圖像數(shù)據(jù);互聯(lián)網(wǎng)上更有大量的包含有車輛的視頻圖像?；趫D像大數(shù)據(jù)的車輛搜索，能為交通管理、公共安全、車輛調度等提供有效的車輛搜索服務，是建設智慧城市運營管理系統(tǒng)的基礎，也是智能技術應用的研究熱點。車輛檢測是車輛搜索的基礎。在交通視頻監(jiān)控系統(tǒng)產(chǎn)生的視頻圖像中，車流量

2、疏密不均、圖像質量參差不齊、車輛類型眾多、成像角度和車輛目標的成像大小不一致、車輛擁擠和相互遮擋現(xiàn)象嚴重、不同天氣下的光照和陰影等變化多端，這些因素給車輛檢測帶來了不小的挑戰(zhàn)。
　　本文針對視頻圖像大數(shù)據(jù)車輛搜索平臺的總體目標和技術分工，專注于研究其中的車輛檢測技術。本文的主要工作包括:
　　1.提出了視頻圖像大數(shù)據(jù)車輛搜索平臺的目標功能和總體流程架構，探討了其中的關鍵技術環(huán)節(jié)和主要難點;歸納了視頻圖像中車輛檢測技術的主要方

3、法，對基于靜態(tài)圖像的車輛檢測技術進行了較為全面的分析綜述;特別對于基于假設-驗證模型的車輛檢測技術，進行了較為深入的歸納分析。
　　2.由于車輛出現(xiàn)在圖像中的角度變化豐富，本文提出了采用流形學習的方法對這些車輛角度進行子類聚類?；诹餍螌W習算法中的維數(shù)約簡及聚類機制，利用梯度方向直方圖特征描述多角度車輛對象所表現(xiàn)出來的邊緣和輪廓特征，通過對高維原始數(shù)據(jù)進行低維嵌入，在低維空間上對不同角度的車輛進行子類聚類。
　　3.研究了基