原文传递
基于机器视觉的汽车流量检测算法研究
| 论文题名： | 基于机器视觉的汽车流量检测算法研究 |
| 关键词： | 机器视觉;汽车流量检测;智能交通;BP神经网络 |
| 摘要： | 基于机器视觉对汽车流量进行实时检测，对提高我国智能交通的发展具有十分重要的意义。目前，在汽车流量检测的过程中存在效率低、误检率高、速度慢等缺点，很难满足检测实时性的要求。基于此，本论文提出了基于机器视觉的汽车流量检测算法的研究，包括汽车图像处理和汽车图像特征提取、汽车图像目标检测、流量统计和交通状态判断。 本文将采集后的汽车图像进行A/D转换成24位GDI位图，对转换后的汽车图像进行平滑、分割、灰度化和锐化等图像处理，其次提取处理后汽车图像的区域面积、区域周长和形心等参数，依据提取的特征参数实现汽车图像目标检测，并统计汽车流量，根据一定时段一定路段的平均流量进行交通状态判断。汽车图像目标检测依据提取的汽车图像特征，使用基于差分的方法，检测出汽车图像目标，并计算出汽车流量，其统计正确率可达98[％]。交通状态判断是采用遗传算法优化的BP神经网络作为判断器，将提出的交通流量参数即平均流量，作为BP神经网络的输入参数，将交通的两种状态即阻塞和畅通，作为BP神经网络的输出。训练经过GA优化后的BP神经网络，将其作为交通判断器，实现交通流量的检测，其判断正确率可达96[％]以上。研究设计基于机器视觉的汽车流量检测系统，通过试验实现汽车流量检测和交通状态判断。 因此本文设计的汽车流量检测系统，通过试验验证了该系统满足实时性的要求，满足智能交通的发展，同时也验证了本论文提出的理论研究与设计方案的可行性与正确性。 |
| 作者： | 吴国伟 |
| 专业： | 车辆工程 |
| 导师： | 郭志强;谢金法 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河南科技大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
