当前位置: 首页> 学位论文 >详情
原文传递 复杂环境下的夜间车辆检测与交通视频昼夜亮度变化模型研究
论文题名: 复杂环境下的夜间车辆检测与交通视频昼夜亮度变化模型研究
关键词: 智能交通;车辆检测;视频检测;跟踪算法;亮度变化模型;非线性曲线拟合
摘要: 智能交通系统是现代交通管理的有效手段,其中交通信息采集系统是智能交通系统的基础。由于视频检测系统具备灵活性和多种附加功能,相比传统的交通信息采集系统,更受到人们的青睐。然而,视频检测系统因其对道路环境和图像质量的敏感性,其检测准确率不是很高,检测算法仍有待改进。实际应用显示,系统在夜间准确率较低,特别是在雨夜或者高载客车道效果更差。以往对夜间视频车辆检测的研究,多数以车灯为检测对象,但是却简单地认为车辆前灯在图像上表现为规则的几何形状,没有充分考虑小前灯、装饰灯和转向灯与大前灯粘连或者分离的复杂情况,也没有考虑大型车辆车顶的边界灯,以及雨天路面积水引起上述众多车灯的倒影。 因此本文将夜间车辆检测作为研究重点,把它从整个视频检测系统中分离出来单独研究,以完成复杂环境(如雨天、存在大型车辆、交通拥堵)下的夜间车辆视频检测任务为目标。在分析夜间不同道路状况的不同视频特性,以及其中车灯特征的不同表现的基础上,提出了车灯提取配对跟踪算法(HLEPT)。该算法利用二值化和形态学方法提取车灯;借助于摄像机标定,得到车灯在路面上关于摄像机镜头的投影坐标;根据车辆的物理构造和运动规律,设计了一套车灯配对、按车辆分组和跟踪的规则;以先配对后跟踪(HLPT)方法为主,先跟踪后配对(HLTP)方法为辅,两者相结合的策略,即先配对,并跟踪车灯对,后利用车灯对,排除其附近光源,剩下的车灯分别跟踪、轨迹配对;由车灯轨迹计算各种交通参数。 实验表明,HLEPT算法复杂度低,具有良好的实时性、鲁棒性,良好环境下其检测率达96%以上;即使在雨夜路面有车灯倒影和存在大型车辆的交通拥挤路段,检测率也能达到88%。HELPT算法对于车灯特征的假设和配对跟踪规则同样适用于高架路、城乡道路等路段的夜间交通信息采集。 由于道路昼夜照明条件迥异,视频车辆检测系统通常采用两种不同的算法来完成昼夜检测任务。那么昼夜检测算法什么时候切换,如何切换呢?本文提出了一种独立于摄像机硬件,从图像序列中分析亮度变化的方法。本文观察了交通视频昼夜亮度变化的规律;提出了用四参数Logistic模型来刻画亮度变化;在分析实际路面亮度变化的有限性的基础上,提出了参数的有界约束条件,在线地进行Logistic曲线拟合;通过求解有界约束的非线性最优化问题,实时更新模型参数值;依据模型参数值,识别当前时刻的亮度变化状态,判断当前时刻是否应该切换昼夜算法。实验表明,该模型对亮度变化判断准确,能很好地应用于交通视频检测系统昼夜算法切换。
作者: 吴海涛
专业: 模式识别与智能系统
导师: 方涛
授予学位: 硕士
授予学位单位: 上海交通大学
学位年度: 2007
正文语种: 中文
检索历史
应用推荐