原文传递
基于视频的道路交通参数提取方法研究
| 论文题名： | 基于视频的道路交通参数提取方法研究 |
| 关键词： | 道路交通;视频画面;参数提取;混合高斯模型;Kalman滤波;交通状态评判 |
| 摘要： | 由于经济的快速发展,各个城市的汽车拥有量不断增加,如何解决由此带来的交通拥堵问题是一项刻不容缓的任务。目前交通管理部门在道路上安装的各种传统交通检测器,由于其成本高、采集交通参数单一、精度低、检测范围小等缺点,无法广泛地应用到交通控制管理中。利用现有的安装在各条道路上的监控摄像头采集的交通视频,对这些视频采用计算机视觉技术进行处理和分析,自动获取车流量、车速、车型、占道率等交通参数,进一步评判道路通行状态,这已经成为智能交通系统(ITS)发展的一个重要方向。 本论文针对基于视频的交通参数采集系统中的车辆检测、车流量统计、车型分类、道路通行状态评判等关键部分进行研究: 在车辆检测部分,介绍并分析了几种常见运动车辆检测方法,最后选择采用EM算法改进的GMM运动检测算法分割出运动车辆,实验证明该算法在各种户外条件下都能很好的分割出运动车辆,且能够满足实时检测系统的要求。 针对复杂环境下车辆检测问题提出了相应的解决方法:通过在视频画面中设置ROI区域,减小计算量,同时排除了非道路区域中扰动目标对后续跟踪处理的干扰;采用一种融合边缘特征的阴影消除方法,解决了强光照射条件下移动阴影影响车辆目标提取的问题;采用彩色图像直方图均衡化方法,在一定程度上增强雨雾及光线不足条件下拍摄视频图像的对比度;采用了一种基于区域特性的遮挡分割方法,解决车辆动态遮挡问题。 在车流量统计部分,采用基于Kalman滤波算法的跟踪方法来跟踪车辆,通过Kalman滤波器来预测下一帧中目标轨迹的位置,然后在该预测位置附近进行车辆匹配,缩小搜索范围,提高匹配速度;针对跟踪过程中由于前景分割失败造成目标跟踪失败的情况,对目标大小进行预测,更新运动模型,增强了跟踪算法的鲁棒性,最后利用跟踪结果实现车流量的统计。 在车型分类部分,利用运动车辆检测的方法得到的二值车辆前景图像,提取前景区域的重心位置、面积、轮廓周长、长宽比、紧密度等几何特征,形成特征向量,采用BP神经网络设计车型分类器,对城市道路上的车辆进行分类。 在道路交通状态评判部分,针对可分割出运动车辆和无法分割出运动车辆两种情况,提出了相应的交通状态评判方法。 |
| 作者： | 李世林 |
| 专业： | 控制科学与工程 |
| 导师： | 柴毅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
