摘要：视频检测技术是机器视觉的重要研究方向之一，基于视频的运动目标检测技术被越来越广泛地应用在智能交通的各个领域，如交通视频监控和车流量统计等。同时，在各国学者和相关人士的不断努力研究，基于视频的车辆检测技术取得了十分喜人的成果，检测方法也由传统的帧间差分法，光流法等演变为基于卷积神经网络的深度学习算法，检测结果较之以前取得了明显地提升。但是，因为实际现场的复杂性，尤其是检测现场环境的复杂多变性，目前的视频车辆检测技术还有着不少值得完善的地方。本文基于图像处理领域的

基本理论与研究方法，针对阴影道路环境条件下车辆检测效果不太理想的情况进行研究，主要工作如下：

1、对于现有的运动目标检测经典算法进行学习，并阐述这些算法的基本原理，分析不同方法各自的优缺点。在结合阴影道路环境这一特定应用场景的问题因素，合理的选取了目前较为流行的基于卷积神经网络的深度学习算法，使用SSD（Single Shot MultiBox Detector）目标检测模型，并使用此模型进行仿真实验，验证其在阴影道路环境下的检测效果。

2、因受到阴影的干扰会影响到检测精度和准确度，从现有阴影消除方法中选取了基于HSV颜色空间的阴影检测与消除方法。

3、运用基于深度学习的SSD目标检测算法，使用Python进行编程，得到了一个基于阴影道路环境下的车辆检测系统。

关键词： 车辆检测；阴影消除；SSD

目  录

摘  要

ABSTRACT

第一章  绪  论-1

1.1 研究背景和意义-1

1.2 国内外研究现状-1

1.3 本文研究内容及组织结构-2

第二章 运动目标检测-3

2.1 图像预处理-3

2.1.1 图像灰度化-3

2.1.2 图像二值化-4

2.1.3 形态学处理-4

2.2 传统目标检测算法介绍-5

2.2.1 光流法-5

2.2.2 帧间差分法-6

2.2.3 背景建模法-6

2.3 SSD车辆检测算法-7

2.3.1 卷积神经网络-7

2.3.2 SSD检测算法-8

2.3.3 SSD算法与传统车辆检测方法对比-9

2.4 本章小结-9

第三章 阴影去除-10

3.1 阴影的产生与特点-10

3.1.1 阴影的产生-10

3.1.2 阴影的特点-10

3.2 常见阴影检测与去除方法-11

3.2.1 基于纹理的阴影检测-11

3.2.2 基于RGB空间的阴影检测与消除-11

3.2.3 基于HSV空间的阴影检测与消除-13

3.3 阴影去除方法总结-14

3.4 本章小结-14

第四章 阴影道路环境下车辆检测系统的实现-15

4.1 系统的框架-15

4.2 系统的算法流程-15

4.3 系统的实现-16

4.3.1 系统开发环境-16

4.3.2 系统运行效果展示-16

4.4 实验结果与分析-18

4.5 本章小结-19

第五章 总结与展望-20

5.1 总结-20

5.2 展望-20

参考文献-22

致  谢-24