基于視頻的智能交通系統(tǒng)若干關(guān)鍵技術(shù)研究.pdf

1、近年來(lái)，隨著人們車(chē)輛擁有率的快速提高，智能交通系統(tǒng)（Intelligent Transportation Systems），簡(jiǎn)稱(chēng)ITS，在諸多提高交通運(yùn)輸能力的方法中，已經(jīng)占據(jù)了最主要的地位，并越來(lái)越得到研究人員的關(guān)注。交通視頻信息在交通監(jiān)控和交通管理中一直作為重要部分被采集和利用。為充分利用獲得的信息，提高交通監(jiān)控和管理的智能化水平，以視頻圖像處理、分析、理解為基礎(chǔ)的視頻監(jiān)視技術(shù)越來(lái)越引起人們的重視。視頻監(jiān)視技術(shù)是圖像工程與計(jì)算機(jī)視覺(jué)

2、領(lǐng)域的一個(gè)研究熱點(diǎn)，它與傳統(tǒng)監(jiān)視技術(shù)的區(qū)別在于其智能性。因此，在智能交通系統(tǒng)中開(kāi)展交通視頻監(jiān)視技術(shù)的研究有十分重要的現(xiàn)實(shí)意義。
　　 車(chē)輛分割對(duì)于高速公路車(chē)流量檢測(cè)、大型停車(chē)場(chǎng)管理及公路交通監(jiān)視控制等都具有非常重要的意義，同時(shí)它也是智能交通系統(tǒng)的一個(gè)重要組成部分。本文針對(duì)運(yùn)動(dòng)車(chē)輛的分割利用陰影的三個(gè)特點(diǎn)：陰影區(qū)域與背景圖像之間有明顯的相似性，陰影區(qū)域的灰度值小于相應(yīng)背景的灰度值以及陰影處于運(yùn)動(dòng)區(qū)域的邊緣，提出了一種新方法-基于防

3、洪算法的簡(jiǎn)單、快速方法。該方法依據(jù)車(chē)輛具有的明顯幾何特征先去修建保護(hù)車(chē)輛區(qū)域的圍堤，通過(guò)差分圖像估計(jì)陰影灰度近似值，然后對(duì)輸入圖像處理，刪除其邊緣而且滿足陰影和背景灰度值之間的像素，最后得到運(yùn)動(dòng)車(chē)輛圖像。此方法不專(zhuān)門(mén)去做陰影消除，而把背景消除和陰影消除合在一起來(lái)處理，實(shí)驗(yàn)結(jié)果表明它具有較好的運(yùn)動(dòng)車(chē)輛提取效果。
　　 本文重點(diǎn)討論Mean-shift算法的基礎(chǔ)理論，并描述如何把Mean-shift算法應(yīng)用到車(chē)輛跟蹤中去。另外文中也

4、討論角特征點(diǎn)的提取、車(chē)輛在公路上行駛方向的特點(diǎn)等。接著介紹一種基于角特征點(diǎn)和Mean-shift的車(chē)輛跟蹤算法。利用角特征點(diǎn)把模板目標(biāo)構(gòu)造了若干個(gè)同尺寸的子窗口，根據(jù)車(chē)輛在公路上行駛方向的特點(diǎn)去調(diào)整子窗口的中心位置，用每個(gè)子窗口單獨(dú)地按Mean-shift算法進(jìn)行跟蹤并找到目標(biāo)對(duì)每個(gè)子窗口的相應(yīng)中心位置，通過(guò)關(guān)聯(lián)過(guò)程確定了車(chē)輛目標(biāo)在整個(gè)視場(chǎng)中的運(yùn)行軌跡。最后分析該方法的實(shí)驗(yàn)結(jié)果以便說(shuō)明該方法的特點(diǎn)和優(yōu)點(diǎn)。
　　 針對(duì)車(chē)型識(shí)別方面

5、，本文也討論Gabor濾波器基礎(chǔ)理論和把它應(yīng)用到車(chē)型識(shí)別上。在車(chē)型識(shí)別中，針對(duì)交通車(chē)輛種類(lèi)多、特征差異大、樣本獲取代價(jià)高等因素造成車(chē)輛分類(lèi)難度大的問(wèn)題，選擇了基于Gabor濾波器的車(chē)型識(shí)別算法。本文分析偶對(duì)稱(chēng)Gabor濾波器函數(shù)特征的基礎(chǔ)上簡(jiǎn)化求二維卷積的運(yùn)算，用遞歸運(yùn)算方法來(lái)實(shí)現(xiàn)以便減少計(jì)算量，提高識(shí)別率。另外，依據(jù)車(chē)輛具有的明顯幾何特征，提出一種新的適應(yīng)分割采樣策略去提取車(chē)輛的Gabor特征。
　　 最后，本文指出需要進(jìn)一步