原文传递
智能交通系统中基于机器视觉的交通流量统计研究
| 论文题名： | 智能交通系统中基于机器视觉的交通流量统计研究 |
| 关键词： | 目标识别;深度学习;背景提取;目标跟踪;智能交通系统;机器视觉;交通流量 |
| 摘要： | 建立高效完备的智能交通系统，以及运营商和交通监管部门的有效配合和良性互动，才有可能疏缓日益严重的城市交通流量。随着城市汽车数量的快速增加，交通堵塞已经成了城市交通领域的难题。特别是近几年，由于城市规划考虑不够长远，忽略城市基础设施建设的重要性，道路交通管理技术落后，导致道路拥堵现象和交通事故频发，使得道路交通拥堵成为中国大中型城市最难解决的问题之一。道路拥挤、交通阻塞、乘车难、行车难、行路难等问题影响着人们的出行和城市的发展。如何实现高效的交通调度、引导规范的交通行为、减少频发的交通事故已经刻不容缓，是我们急切需要解决的问题。交通流量统计对于交通管理的决策起着重要的作用。视频监控系统作为智能交通系统的一个子系统，在智能交通管理中发挥着重要的作用。基于机器视觉的交通流量统计是智能交通系统中一个极其重要的组成部分，它通过使用计算机对监控摄像头拍摄到的画面进行处理，画面中通常含有丰富的车辆信息，对车辆信息加以统计，可获得该时间段内的交通流量，为实现道路科学分配提供参考依据，从而减少交通事故和拥塞情况的发生，方便人们的出行。 本文提出了一种基于目标区域的交通流量统计方法。该方法具有很多优点。第一，采用人工画线，可以更加合适、准确地得到目标区域。第二，受待处理的视频帧的尺寸大小影响较小。我们只是获取视频中每一帧的某一块子区域进行处理，且获取该子区域的大小具有较强的灵活性，不是对整个视频帧进行处理，因此，对待处理视频的尺寸大小影响较小。第三，加快了系统的运行速度，更具实时性。由于我们处理的是视频中每一帧的一块子区域，这不管是对使用基于特征的精确目标识别技术，还是对使用基于背景建模的模糊目标识别技术，相对于对完整视频中每一帧进行处理，都加快了目标识别的速度。第四，简化了跟踪过程。一般的跟踪过程都需要长时间的进行，加上跟踪算法自身的用时，使得跟踪过程比较耗时，基于目标区域的交通流量统计方法只需要对特定情况下连续的两帧进行目标关联，既降低了跟踪过程的用时和出错风险，提高了系统速度，又简化了跟踪过程，使得跟踪算法的选择上更具灵活性。基于目标区域的交通流量统计，比较重要的有以下几点：目标子区域的获取、基于混合背景建模的目标识别技术、计数以及简化的跟踪过程。实验结果表明，在非拥堵情况下，基于目标区域的交通流量统计方法具有较高的实时性和较高的准确率。 |
| 作者： | 彭智 |
| 专业： | 计算机软件与理论 |
| 导师： | 刘震 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
