导读:本文包含了车牌跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:轨迹跟踪,车牌颜色,轮廓特征,光流法
车牌跟踪论文文献综述
张东海,张康,施云龙[1]（2017）在《基于车牌颜色和轮廓特征的车辆视频光流跟踪算法研究》一文中研究指出随着算法和硬件水平的不断提高,智能交通在现代城市中的应用越来越广泛,它不但极大地减轻了交警方面的负担,更为智能交通网络的建立提供了可能。轨迹跟踪是智能交通多方面应用的基础,本文提出一种基于车牌颜色和轮廓特征的视频车辆光流算法,对200万像素视频进行处理,单帧处理时间在20ms以内,跟踪正确率在90%以上,在效率和准确性方面均能够满足目前场景应用。(本文来源于《第十二届中国智能交通年会大会论文集》期刊2017-11-22）
肖宇麒,潘迪夫,韩锟[2]（2016）在《改进的粒子滤波算法及其在车牌跟踪中的应用》一文中研究指出针对粒子滤波算法精度、效率不高及样本贫化等问题,提出通过量子粒子群算法和自适应遗传算法改进的粒子滤波算法。在粒子滤波重采样之后,考虑采用量子粒子群算法的位置更新方程对粒子分布进行改善;再按适应度大小对样本排序,滤除适应度值低于平均水平的粒子,选取相应数量较优粒子替换被滤除粒子。为保证样本多样性和有效粒子数量,引入自适应遗传算法对粒子进行交叉、变异操作。选择非线性目标跟踪模型和分时恒定值模型对本文改进算法进行仿真,仿真结果表明本文算法精度、数值稳定性均高于同类算法;最后将本文算法运用于汽车视频跟踪实验中,实验结果表明本文算法对目标跟踪中物体快速运动、光线和背景剧烈变化的情况都有准确的跟踪效果。(本文来源于《铁道科学与工程学报》期刊2016年07期）
游黄阳[3]（2014）在《基于车牌跟踪的交通运行状态评价及预测》一文中研究指出城市道路交通运行状态的准确实时评价及预测是准确把握城市道路交通系统行为、科学制定交通管理决策的基础，如何定量描述交通运行状态以及如何面向交通参与者对交通状态进行不同层次的评价和预测,一直是城市交通研究领域的重点和难点,对这些问题的研究具有重要的理论和现实意义。本论文以城市交通管理的实际需求为背景,在假定车牌数据可以获取以及对城市道路交通流特性进行分析的基础上，构建起一套适用于城市道路交通系统的完整可操作的交通运行状态评价及预测体系，主要研究成果具体体现为以下几个方面:给出基于出行者心理考虑的交通运行状态的定义，并据此提出了路段单元、OD路径和路网叁个层面上的交通行程指数作为城市交通运行状态的评价指标，验证了指标的有效性，并对评价单元、更新步长和状态划分标准进行了研究，进而设计了基于模糊评判的多参数融合评价模型；对车牌数据的处理分析过程进行了研究，针对城市道路单车行程行程时间波动大的特点，设计了基于时间窗格划分和数据序列分位点值截取的行程时间异常数据过滤方法，并对主要数据表格进行了设计；提出了一种基于城市交通特性和时空二维影响因素的短时交通参数组合预测模型，并用实测的交通流数据进行了验证，结果表明该模型具有较好的预测精度和对不同交通运行状态的适应性；改进了基于预测偏差的交通事件预警方法，加入目标路段单元与上下游主要流入的路段单元的预测偏差值符号判断的步骤，旨在进一步提高交通事件检测的准确性；对车牌数据的处理分析流程和实时交通运行状态评价的可视化进行了仿真及演示。通过对基于android的手持式交通调查仪获取的实测数据和基于VISSIM仿真的数据进行的处理分析验证了论文构建的城市道路交通运行状态评价及预测体系的有效性，为后续的相关研究提供了思路方法。(本文来源于《华南理工大学》期刊2014-05-20）
黄宝生,黄海波[4]（2013）在《车牌视频跟踪识别系统的设计》一文中研究指出车牌视频自动跟踪识别技术是智能交通系统(ITS)中的核心技术,是公路交通和城市交通管理的主要手段和发展方向。车牌识别系统可由车牌定位、车牌字符分割和车牌字符识别组成,在此使用DirectShow滤镜截取视频帧。采用中值滤波进行图像的降噪和横向的Sobel算子作边沿检测,利用测度函数计算车牌区域与一个车牌相似度的模板匹配法寻找车牌位置,设计了用于图像临界值选取的车牌定位算法,最后采用BP神经网络对切割后的车牌文字进行识别。经过实际测试,系统在车牌跟踪识别方面取得了较好的效果。(本文来源于《现代电子技术》期刊2013年10期）
黄科军[5]（2013）在《基于车牌自动识别数据的车辆行为跟踪检测分析》一文中研究指出车牌识别技术是智能交通系统的重要组成部分。车牌识别技术是一项涉及到多个领域的技术,其中包括数据挖掘、计算机视觉、模式识别、人工智能、自动化、数字图像处理等。车牌识别技术在交通监视和控制中占有非常重要的地位,车牌识别技术已经成为现代交通工程领域中研究的重点和热点问题之一,并且在实际生产生活中,车牌自动识别系统已经大量投入使用,但是,每天通过道路交通网的摄像机所获取的车牌自动识别数据(ANPR),其数据量是非常巨大的,怎样能够高效、准确的从海量的数据中提取出我们感兴趣的数据信息,即行为异常、可疑的车辆车牌号等相关信息,并对车辆进行跟踪,进行进一步的检测分析,帮助警方侦查相关可疑的犯罪活动,是当前车辆行为跟踪检测分析中的一个重点研究领域,同时也是一个难点研究领域。基于从多个公路网的多个摄像机所获取的ANPR数据,本文针对如何从海量的ANPR数据中快速、准确的提取出行为异常、可疑的车辆车牌号等相关信息,并充分利用车辆数据的可利用性和敏感性,对该问题进行了系统的研究,并提出了一种基于Benford定律和模糊聚类的车辆行为跟踪检测分析方法。采用数据挖掘技术,首先过滤ANPR数据,删除行为正常的车辆信息,该过程有助于减少每天所获得的大约200,000条ANPR数据的98%；其次,对剩下的数据运用一个排序算法来进行车辆行为跟踪检测。本文提出的方法可以在海量的ANPR数据中分析和发现异常的车辆行为。运用数据聚类技术从ANPR数据中提取相关信息,用于检测和识别异常的车辆行为跟踪检测。本文最后介绍了一个利用警方提供的ANPR数据、以车牌识别技术为基础的集成系统,用于从海量的车辆识别信息中挖掘出呈现异常的可疑车辆行为跟踪,可用于协助警方侦查。在英国Surrey警方提供的ANPR数据上所做的实验,强有力的证明了所提出的算法的可行性和精确性。(本文来源于《湖南大学》期刊2013-03-13）
向奎[6]（2012）在《基于DSP的车牌定位跟踪技术研究》一文中研究指出智能交通监控系统是构建智慧城市的重要组成部分,它与人们的日常出行息息相关。当前基于PC平台的标清图像监控系统无法实现高精度的目标监控,并且PC处理器价格昂贵、不易于管理和携带,而基于DSP平台的高清图像监控系统能够充分利用高清图像丰富的像素信息,实现高精度的目标监控,同时DSP处理器价格便宜、易于管理和携带,故研发基于DSP平台的高清图像监控系统是智能监控系统发展的必然。本文基于DSP的车牌定位跟踪技术不仅针对高清图像进行跟踪,而且打破了传统的车辆监控模式——对车牌进行跟踪,因此引入了车牌的定位准确度、车牌的跟踪准确度和车牌的可跟踪范围等问题。为了更好地发挥DSP平台上车牌监控的优势,需要选择高效的定位算法和跟踪算法。本文在总结前人研究的基础上,对基于DSP的车牌定位跟踪技术进行详细深入的研究,主要包括以下工作：首先,提出一种基于DSP的车牌跟踪监控方案,通过对DSP硬件优势和车牌特征的分析,制定合理的硬件框架和软件实现算法。本文选取TMS320DM648作为硬件核心,构建硬件框架,在此框架基础上把车牌监控分为定位模块和跟踪模块,定位模块的功能是寻找到图像中的车牌目标,跟踪模块则是根据定位模块提供的特征进行预测跟踪,获取到车牌目标在下一帧的位置。其次,提出了新颖的车牌定位跟踪算法模型,先使用卷积投影算法对车牌进行定位分析,获取准确的车牌特征信息,然后使用金字塔光流法对车牌特征进行跟踪,最终得到车辆的运动轨迹。实验结果表明,对比于其它车辆监控技术,把车牌定位跟踪技术拆分为定位和跟踪模块,充分展现了DSP系统的多流水线特点,定位跟踪系统把车牌作为监控目标,能够实现高精度的车辆监控,验证了文中基于DSP的车牌定位跟踪技术的有效性。(本文来源于《北京邮电大学》期刊2012-12-02）
刘皓[7]（2012）在《高清图像中基于车牌定位的车辆跟踪和违章检测》一文中研究指出随着社会经济的发展,汽车的数量呈显着增长的趋势,一方面给道路交通带来了巨大的负载压力,另一方面,由于汽车的违章行驶行为得不到及时有效的遏制,对人们的日常生活产生安全威胁。智能交通系统的出现正是为了解决这样的问题,经过多年的发展,虽然日渐成熟,但是依然有巨大的研究潜力和应用价值。特别是近年,随着高清摄像头的普及和视频监控的发展,传统的地下感应线圈等检测方式正逐步向基于图像或视频的监控系统过渡。在这样的背景下,本人从汽车牌照的角度切入研究,通过对高清图像中车牌的定位和跟踪来对车辆的行驶轨迹进行拟合,根据拟合的轨迹提出车辆违章检测的方法。本文的研究内容分为叁大模块,即车牌定位、车牌跟踪和轨迹拟合。主要工作如下：(1)本文提出一种新的车牌定位思路,先在整体低分辨率图像中检测车辆,再在局部高清图像中定位车牌,减少了车牌定位的时间。除此,对常见算法加以改进,提出了基于车牌特征的灰度化和自适应灰度拉伸算法。(2)在车牌初步定位时,使用长程滤波和颗粒滤波过滤边缘二值图像中的噪声,改善了车牌中垂直边缘的提取效果,然后基于HSV颜色空间进行车牌的精细定位,实验证明,定位效果较好。(3)在车牌跟踪模块,为减小跟踪的搜索范围,借助卡尔曼滤波进行位置预测。在建立卡尔曼滤波的状态转移矩阵时,近似认为汽车在相邻帧间隔做匀速运动,由于这种匀速运动是在真实世界坐标系下的,有别于图像坐标系,所以引入了摄像机坐标转换,提出了具体的跟踪算法与定位跟踪策略。(4)利用叁次样条插值完成了对车牌跟踪轨迹的拟合和分析,并结合交通法规判断车辆是否超速、逆行、压线等违章行为,达到了预期的效果。(本文来源于《南京理工大学》期刊2012-01-01）
廖燃焜[8]（2011）在《基于车牌跟踪调查的交叉口交通特性分析系统》一文中研究指出城市交叉口是城市道路系统的重要组成部分,是城市交通的咽喉所在,交叉口的运行状况是城市交通畅通与否的关键。对交叉口运行状况的分析与评价是优化交叉口,提高路网的通行能力和服务质量的基础,而交通调查是获得现状资料、进行交叉口分析与评价的基本手段,是基础中的基础。传统的交通调查方法多采用大量的人力、物力进行调查,所得的交通调查资料需人工输入计算机进行整理,同时数据处理分析系统的开发比较落后,一般只能实现数据查询与统计工作。因此提高交通调查设备的现代化水平和交通调查的效率对于交通工程的发展具有重要的意义,特别是将交通调查与计算机相结合,实现交通调查的信息化与数据处理的信息化,将会使交通调查更具效率,调查的数据应用更广泛。本文综合考虑交叉口几何参数、配时参数、流量、延误等交通参数之间的特征关系,采用基于车牌跟踪的交叉口调查方法采集交叉口交通特性数据,结合交叉口饱和流量、通行能力、延误等交通基本模型,对交叉口数据处理系统进行需求分析、系统功能及模型设计。利用VB将一整套数据处理的方法编成程序,实现数据处理操作的可视化与简易化。通过数据处理系统对基于车牌跟踪的调查数据进行处理、分析及挖掘,探寻调查数据与各交通参数间的关系,实现对交叉口现状的分析及评价,结果以Word或Excel输出显示,使数据分析结果应用到实际的交通管理或交通控制中。(本文来源于《华南理工大学》期刊2011-05-25）
丁赛菊[9]（2009）在《基于车牌识别的车辆视频跟踪技术研究》一文中研究指出智能交通系统是目前世界交通运输领域的前沿研究课题,其关键技术之一是车辆跟踪。作为车辆身份的标志,车牌具有唯一性。本文将车牌识别技术应用到车辆跟踪中,研究了基于车牌识别的车辆视频跟踪技术,在一定的拍摄环境下,通过跟踪车牌实现了车辆的跟踪。该技术在高速公路收费系统、道路监控系统和车流统计、视频测速、汽车自动驾驶、交通管制等领域均具有广阔的应用前景。本文首先研究了静态车牌图像汽车牌照的定位过程,通过对现有的车牌定位算法进行改进,采用了基于边缘检测的投影法,并结合车牌的先验知识进行了汽车牌照的定位。其次,在字符分割部分,针对传统的垂直分割法受车牌边框、间隔符及图像噪声的影响较大的不足,本文采用了一种改进的垂直分割方法,较好地解决了上述问题,并对分割后的字符进行归一化,以方便后续的识别工作。然后,针对前馈神经网络BP算法存在收敛速度慢且易陷于局部极小点等缺陷,本文提出了将扩展卡尔曼滤波神经网络学习算法应用到车牌字符识别中的方法,仿真结果表明了该方法的有效性。在训练字符神经网络过程中,运用封闭环的思想将英文字母和数字分为两部分分别进行训练,将归一化后的车牌字符送入到训练好的神经网络中即可进行正确识别。最后,将上述静态图像基础上研究的车牌识别技术应用到动态视频图像中,利用卡尔曼滤波理论对车牌运动位置进行预测,并以预测点为中心的邻域作为搜索窗口,利用上述算法进行车牌的精确定位及识别,从而实现了复杂动态背景下运动车辆的车牌跟踪。(本文来源于《南京理工大学》期刊2009-06-01）
车牌跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对粒子滤波算法精度、效率不高及样本贫化等问题,提出通过量子粒子群算法和自适应遗传算法改进的粒子滤波算法。在粒子滤波重采样之后,考虑采用量子粒子群算法的位置更新方程对粒子分布进行改善;再按适应度大小对样本排序,滤除适应度值低于平均水平的粒子,选取相应数量较优粒子替换被滤除粒子。为保证样本多样性和有效粒子数量,引入自适应遗传算法对粒子进行交叉、变异操作。选择非线性目标跟踪模型和分时恒定值模型对本文改进算法进行仿真,仿真结果表明本文算法精度、数值稳定性均高于同类算法;最后将本文算法运用于汽车视频跟踪实验中,实验结果表明本文算法对目标跟踪中物体快速运动、光线和背景剧烈变化的情况都有准确的跟踪效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车牌跟踪论文参考文献
[1].张东海,张康,施云龙.基于车牌颜色和轮廓特征的车辆视频光流跟踪算法研究[C].第十二届中国智能交通年会大会论文集.2017
[2].肖宇麒,潘迪夫,韩锟.改进的粒子滤波算法及其在车牌跟踪中的应用[J].铁道科学与工程学报.2016
[3].游黄阳.基于车牌跟踪的交通运行状态评价及预测[D].华南理工大学.2014
[4].黄宝生,黄海波.车牌视频跟踪识别系统的设计[J].现代电子技术.2013
[5].黄科军.基于车牌自动识别数据的车辆行为跟踪检测分析[D].湖南大学.2013
[6].向奎.基于DSP的车牌定位跟踪技术研究[D].北京邮电大学.2012
[7].刘皓.高清图像中基于车牌定位的车辆跟踪和违章检测[D].南京理工大学.2012
[8].廖燃焜.基于车牌跟踪调查的交叉口交通特性分析系统[D].华南理工大学.2011
[9].丁赛菊.基于车牌识别的车辆视频跟踪技术研究[D].南京理工大学.2009