论文部分内容阅读
本文针对长途客车运行中存在的“三超”（超述，超载，司机超时疲劳驾驶）和“三私”（私自组客，私收票款，私拉乱运）等问题，通过建立车载视频监控系统，完成对长途客车的实时监控和管理，而在车载视频监控系统中，乘客的检测算法设计是其最重要的软件设计环节。在充分考虑长途客车的实际情况后，在垂直视角下完成乘客识别，将实际问题转化为俯视图像中乘客识别的问题。
在视觉上以及实际采集到的图像可知，俯视图像中乘客头部轮廓较为清晰明显，所以本文综合考虑算法的复杂度和实时性要求后，选取随机Hough变换检测算法，并对传统的随机Hough算法做出许多改进，小单元化了边缘点，候选圆心聚集分组，分布化最优拟合轮廓提取等，建立在本课题研究应用基础上的改进随机Hough变换检测算法(URHT)。实验表明URHT算法可以准确的检测出乘客的头部区域。检测精度和实时性都有很好的表现。
我们在继续研究乘客俯视图下的头部信息时发现，发色的颜色深度较大，并且具有明显区别于其他区域的纹理特性，这提供给我们大量新的头部特征信息。我们引入了机器学习的思想，将支持向量机的算法原理应用到头部发色和纹理区域特征检测的问题当中，将原来的检测问题转换为头部目标的最优化分类识别问题。我们选取多项式核函数，训练发色纹理分类器，经过多次训练之后，发色纹理分类器可以表现出很好的分类效果。在URHT检测算法和发色纹理分类器级联检测的前提下，我们将视频图像序列的图像帧间信息加以利用，用混合Gauss模型对背景进行建模，获取前景区域和背景区域。将感兴趣区域的范围大大缩小，进一步提高了检测的准确性和实时性。
本文实验在光照条件较好条件下，完成实际乘客登车视频图像的检测。实验结果表明，本文算法的时间复杂度能够满足检测实时性的要求，在检测准确率上可以达到90％以上，能够满足实际的需求。