基于視頻分析的車(chē)流量檢測(cè)系統(tǒng)的研究與應(yīng)用.pdf

1、近年來(lái)隨著經(jīng)濟(jì)發(fā)展與社會(huì)進(jìn)步，車(chē)輛的數(shù)量不斷增加，車(chē)流量也隨之不斷提高，對(duì)交通基礎(chǔ)設(shè)施建設(shè)、調(diào)度與管理造成了一定影響，人們?cè)谙硎芙煌ū憷耐瑫r(shí)，也面臨各種問(wèn)題，需要建立完善的智能交通系統(tǒng)來(lái)適應(yīng)發(fā)展的需要。車(chē)流量的自動(dòng)識(shí)別與統(tǒng)計(jì)是智能交通系統(tǒng)實(shí)現(xiàn)智能調(diào)度管理的重要一環(huán)，車(chē)輛檢測(cè)與跟蹤技術(shù)是實(shí)現(xiàn)車(chē)流量檢測(cè)的關(guān)鍵技術(shù)。傳統(tǒng)的檢測(cè)方法不能適應(yīng)時(shí)代發(fā)展的需要，而實(shí)時(shí)、高效的目標(biāo)檢測(cè)與跟蹤方法研究一直是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)，計(jì)算機(jī)視覺(jué)技術(shù)用于運(yùn)

2、動(dòng)目標(biāo)的檢測(cè)和跟蹤已成為重要的研究與發(fā)展方向，在智能交通中得到越來(lái)越廣泛的應(yīng)用。
　　 本文主要研究計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于車(chē)流量檢測(cè)，主要工作包括運(yùn)動(dòng)車(chē)輛檢測(cè)與運(yùn)動(dòng)車(chē)輛跟蹤兩大部分。運(yùn)動(dòng)車(chē)輛檢測(cè)的目的是從圖像中去除真實(shí)背景以抽取車(chē)輛特征區(qū)域。本文采用了基于YUV彩色空間上色度分量的混合高斯背景建模及背景差分法相結(jié)合的目標(biāo)檢測(cè)方法。通過(guò)實(shí)驗(yàn)對(duì)比混合高斯背景建模所建背景質(zhì)量較高，又研究了YUV彩色空間色度分量對(duì)陰影的抑制作用，首先利用

3、UV色度分量進(jìn)行混合高斯背景建模及背景更新，使得在背景差分時(shí)就直接去除掉陰影，并減少了背景構(gòu)建時(shí)的運(yùn)算量。在提取出前景運(yùn)動(dòng)目標(biāo)獲得運(yùn)動(dòng)目標(biāo)區(qū)域后，采用形態(tài)學(xué)濾波和外接矩形提取算法來(lái)提取目標(biāo)的外接矩形區(qū)域，外接矩形提取算法通過(guò)兩輪掃描對(duì)不屬于背景的對(duì)象進(jìn)行標(biāo)注，再根據(jù)對(duì)象的高度和寬度定義外接矩形。運(yùn)動(dòng)車(chē)輛跟蹤技術(shù)采用了卡爾曼濾波運(yùn)動(dòng)估計(jì)和多特征匹配相結(jié)合的方法?？柭鼮V波模型要經(jīng)過(guò)預(yù)測(cè)和匹配更新兩個(gè)階段，采用車(chē)輛位置坐標(biāo)作為預(yù)測(cè)參數(shù)，首先

4、預(yù)測(cè)目標(biāo)位置，然后通過(guò)本文研究的車(chē)輛檢測(cè)方法獲取當(dāng)前幀目標(biāo)，最后將預(yù)測(cè)的結(jié)果與檢測(cè)的結(jié)果匹配并更新模型。在此過(guò)程中，通過(guò)模型初始化的次數(shù)判斷車(chē)流量。在進(jìn)行目標(biāo)匹配時(shí)采用了基于多特征的匹配方法，通過(guò)目標(biāo)矩形的長(zhǎng)寬及質(zhì)心坐標(biāo)屬性提取特征，再通過(guò)這些特征在圖像中進(jìn)行匹配，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車(chē)輛的準(zhǔn)確匹配。本文研發(fā)了一套基于車(chē)輛檢測(cè)與跟蹤技術(shù)的車(chē)流量識(shí)別與統(tǒng)計(jì)系統(tǒng)，并通過(guò)在高速公路上的實(shí)驗(yàn)分析，取得了一定的成效，為智能交通提供了一種實(shí)時(shí)動(dòng)態(tài)的交通流量信