原文传递
基于视频的交通数据采集技术研究
| 论文题名： | 基于视频的交通数据采集技术研究 |
| 关键词： | 交通数据采集;背景差法;混合高斯模型;自适应分割;姿态估计;视频监控检测 |
| 摘要： | 随着我国社会经济的高速发展，城市交通流量不断加大，交通拥堵、环境污染、交通事故等一系列交通问题日趋严重。科学系统地分析和规划交通体系，成为缓解城市交通的当务之急。实时和准确地获取交通数据是分析交通规律，优化交通体系的基础。基于计算机视觉的视频监控检测技术具有安装和维护方便、成本相对低廉、检测信息丰富、监视范围大等显著优点，成为交通数据采集技术的研究热点。 交通数据采集技术的共性问题涉及到车辆存在的检测，车辆类型的识别，道路交通流量的统计等。本文在总结和分析国内外相关技术的基础上，分别针对白天和夜间环境设计和实现了相应的交通数据采集系统，并利用实际的交通监控录像进行仿真实验，验证所提方法的有效性。同时，针对三维空间的车辆定位和识别问题进行了一定的研究，提出了参数化模型，并进行求解。本文的主要研究工作包括: (1)对于白天环境，利用背景差法，检测和分割运动车辆。较为深入地讨论了基于混合高斯模型(GMM)的背景重构方法和GMM模型的参数选择方法。针对白天运动阴影的干扰，通过阴影和背景在RGB空间的比值构造阴影模型，并结合边缘强度特征抑制运动阴影。综合前景检测和阴影抑制，设计了基于检测区域的车辆检测方法。仿真实验证明了所提方法能够实时高效地检测运动车辆。 (2)基于模型的车辆定位方法具有视点无关性，对噪声，遮挡等鲁棒性高，能获得目标在三维空间的参数等特点。本文研究12维参数化可形变模型的匹配，并提出更精简的立方体模型。两种模型的匹配都结合EDA演化算法，给出了演化算法主要参数的选择策略。实验结果表明，可形变模型能够拟合不同车型,并同时估计出车辆的姿态参数和形状参数。 (3)本文以车前灯为主要特征检测夜间的运动车辆。提出了车灯的自适应分割方法，并进行配对和分组。根据提取车灯的多维图像特征进行帧间匹配，并结合车辆运动的时域连续性统计交通流量。仿真实验结果表明，算法的复杂度低，检测率高。 |
| 作者： | 徐文聪 |
| 专业： | 控制理论与控制工程 |
| 导师： | 刘海 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
