原文传递
基于神经网络的车流量检测及预测研究
| 论文题名： | 基于神经网络的车流量检测及预测研究 |
| 关键词： | 车流量检测;神经网络;预测模型;运动像素方法 |
| 摘要： | 针对目前车流量检测及预测所存在的一些问题，本文对于常用的多种运动目标的检测方法进行了研究，选择了实时性强，速度较快实用性高的背景差分法作为运动目标的检测方法。对于背景的重建与更新的问题，本文提出了一种新的背景更新与重建的方法，即用帧差法与背景差分法相互结合的方法来进行背景的重建，使用像素级的更新与帧级的更新的多层次的背景更新方法，实验结果表明，该方法能够快速准确的实现背景的重建与更新。对于阴影检测去除的问题本文提出了一种基于HSI的阴影检测消除的快速方法，该法快速准确有效，实时性强。在运动车辆检测计数当中本文使用的是虚拟感应线圈法，利用运动像素的方法对车辆计数，结果较为准确，为后面的车流量检测提供了可靠的数据。在车流量的预测当中，利用BP神经网络对交通路口的车流量进行了预测，预测结果令人满意，满足了应用的需求，为交通诱导做了一些理论实践。 本文的研究结果表明，基于视频的车流量检测的方法检测结果准确度高，快速实时性强，基于BP神经网络的车流量预测结果精确度高，能够满足应用需求。 |
| 作者： | 孙德鑫 |
| 专业： | 计算机应用技术 |
| 导师： | 李平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长春理工大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
