详情

原文传递基于视频的车流量检测方法研究

论文题名：	基于视频的车流量检测方法研究
关键词：	智能交通;车流量;视频检测;混合高斯模型;运动目标检测;目标跟踪
摘要：	基于视频的车流量检测与传统的检测器相比具有很大的优势，是智能交通系统的一个重要组成部分，已成为国内外研究的热点。其优点在于安装简单、维护方便、视频信号传输方便、监控的覆盖面广等，并且能够提供丰富的交通流信息。准确掌握车流量有利于现有的道路的充分利用，为道路智能化信息管理调度与道路规划建设提供依据，为将来道路设计、道路交通规划建设、道路维护以及城市规划提供重要的决策依据，科学规划道路交通发展布局。　　基于视频的车流量是通过对交通视频中的车流进行处理，获得某时段通过的车辆数，为智能交通系统后续处理提供数据基础。基于视频的车流量检测过程主要涉及到运动车辆的检测、跟踪以及车辆的计数三个阶段。本文主要研究了以下内容：　　在运动车辆检测阶段，本文利用固定分布的混合高斯模型进行背景重构，通过对视频序列中每一像素点建模，获得运动前景区域。在背景提取过程中，本文采用了启发式搜索背景方法，该方法对运动车辆的准确提取具有较好的鲁棒性；之后对提取的前景目标区域中的阴影进行去除并利用数学形态学方法进行去噪处理。　　在运动车辆跟踪阶段，在交通场景中，针对单个的Meanshift跟踪在车辆遮挡或速度过快情况下，跟踪效果较差，本文提出一种将Meanshift和Kalman滤波器结合的方法，加入了车辆的预测。首先对Meanshift跟踪的结果进行评分，若利用Meanshift跟踪效果良好，则Kalman滤波器对跟踪进行平滑，若Meanshift跟踪效果不好，则启动Kalman滤波器进行下一步状态的预测。提高了跟踪的准确性，具有良好的抗干扰能力。　　在车辆检测和跟踪的基础上，本文研究了利用跟踪的方法进行车流量的统计。在检测区域内跟踪车辆，并为相应跟踪车辆设置频率数组，根据车辆出现频率判断是否将其计入车流量中。实验结果表明，本文提出车流量检测方法可行，并有效提高其检测的准确率。
作者：	杨红霞
专业：	电工理论与新技术
导师：	张素文
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2011
正文语种：	中文