详情

原文传递车辆跟踪及交通流参数采集

论文题名：	车辆跟踪及交通流参数采集
关键词：	车辆跟踪;交通流参数采集;智能交通系统
摘要：	随着我国城市化进程的不断加快，交通拥堵、交通事故等日益频繁，逐步成为经济和社会发展中亟需解决的问题，智能交通系统(ITS)正是解决该矛盾的途径之一。本文研究内容是ITS的一部分，主要包括三个部分：车辆跟踪、车辆跟踪过程中遮挡的消除、交通流参数采集(车速计算、车型分类和车辆检索)。车辆跟踪部分首先对运动目标跟踪方法进行综合阐述，分析了各自的优势和不足之处，然后提出了基于六边形模型的车辆跟踪算法。车辆跟踪是车速计算、车型分类等算法的基础，传统的跟踪方法不利于后续工作的开展，如将车辆速度转换成真实速度；在透视变换关系存在的情况下，依据车辆外形参数进行车型分类等等，本文跟踪算法能够克服上述不足。先利用六边形模型来计算车辆体积参数，其中包括图像坐标系和世界坐标系间的坐标转换、创建六边形模型的理论基础、创建六边形模型的具体过程以及计算车辆体积参数(长、宽和高)等等。由于图像序列中相邻帧时间间隔△t比较小，物体的运动不可能突变，因此，在At较小的情况下，可认为同一运动目标在相邻两帧图像的形心位置、区域的颜色和包围窗口变化不大，即运动具有连续性、平滑性。在此基础上提出本文的车辆跟踪算法，综合考虑形心、车辆体积参数和颜色特征三项参数，并详细阐述跟踪过程。车辆跟踪遮挡问题是车辆跟踪过程中不容忽视的难点，能否有效解决车辆遮挡问题在很大程度上影响跟踪的准确性。该部分首先分析近年来国内外用于解决车辆遮挡问题的方法，然后提出本文用于解决车辆遮挡问题的两种方法：基于内接矩形的遮挡消除法和基于角点特征的遮挡消除法。基于内接矩形的遮挡消除部分，先介绍了该法适用的基础，那是由于车辆相互遮挡过程中，车辆凸形连通域的交界处会出现凹陷，内接矩形一般是无法越过该凹陷的，该法正是基于这个发现，然后文中给出了具体的操作过程。基于角点特征的遮挡消除部分，先介绍了角点检测算法(Harris-Plessey检测)，然后文中给出了具体的遮挡消除过程，如果判定当前帧为车辆遮挡，那么在前一帧车辆还未遮挡时，对该车辆进行角点检测，检测出的角点可归为一类，因为属于同一辆车，在当前帧中按照加权模板相关匹配算法进行角点匹配，以便消除遮挡持续跟踪。交通流参数采集成为交通管理智能化的前提。车速统计提供平均车速、瞬时车速统计；车型分类依据相关分类标准，将车辆分成轿车、客车、卡车、面包车、集装箱车等；车辆检索根据颜色特征和车型检索出目标车辆。本文重在解决交通流参数采集中的一些问题。首先是车速计算部分，该部分先解决两个问题：1)如何将图像平面中的车速转换到真实世界中；2)着眼于车辆什么部位进行车速计算。本文较详细阐述基于车辆六边形模型的车速计算方法，着眼于六边形模型前边沿的中点进行车速计算，利用图像坐标系和世界坐标系间的转换公式获得车辆真实速度。然后介绍了车型分类算法，该部分先说明传统方法的局限性，由于透视关系的存在，传统方法无法准确获得用以分类的几个参数：车长、顶长比、顶蓬中心比等，随后较详细阐述基于车辆六边型模型的车型分类方法，给出了车型分类的具体过程，在实验部分对结果进行较为全面的分析。最后是车辆检索部分，该部分提出基于颜色特征和车型的车辆检索方法，颜色特征部分从RGB空间转换到HSV空间提取特征，根据人的视觉感知和心理感受，将HSV三个分量进行非等间隔区段划分，在此基础上文中给出了车辆检索的具体过程，根据检索颜色特征和车型的描述，检索出符合条件的图像帧。
作者：	汤俊峰
专业：	图像处理与科学可视化
导师：	罗立民
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2009
正文语种：	中文