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