基于機器視覺的交通流量檢測技術(shù)的研究與實現(xiàn).pdf

1、本文主要研究交通流量的檢測。在目前的各方法中,視頻檢測是研究得最多的一種方法。視頻檢測是建立在機器視覺的基礎之上的。機器視覺是在圖像處理的基礎上發(fā)展起來的新興學科,在計算機科學和工程、信號處理、物理學、應用數(shù)學和統(tǒng)計學,神經(jīng)生理學和認知科學等研究方面以及在制造業(yè)、檢驗、文檔分析、醫(yī)療診斷和軍事領(lǐng)域等各種智能/自主應用方面,都有非常廣闊的發(fā)展前景。本文在對前人工作研究總結(jié)的基礎上主要做了以下三點工作:
　　(1)研究了一種背景建模算

2、法。針對目標運動物體的特點,本文在對各種檢測方法進行比較分析的基礎上,重點研究背景差法來檢測交通流量。背景差法中,最關(guān)鍵的環(huán)節(jié)是真實背景的重建,所用背景的好壞與流量檢測的準確率息息相關(guān)。本文在對各背景建模法進行比較分析的基礎上,提出討論了一種新的背景建模算法重建出背景,為準確分割出運動目標打下了基礎。
　　(2)研究了一種陰影去除算法。在真實的場景中,環(huán)境處于實時變化之中,在光線較強的情況下,道路中的車輛會伴隨著陰影出現(xiàn),陰影的出

3、現(xiàn)會影響車輛目標分割的準確度,可能會把兩相距較近的車輛連接為同一車輛。本文針對陰影的特點,詳細分析了陰影與車輛前景的差異,在此基礎上提出了一種陰影去除算法。
　　(3)研究了一種運動跟蹤算法。在智能交通系統(tǒng)中,車輛的跟蹤具有重要意義。車輛的跟蹤為對其行為分析打下了基礎。本文在分析了目標的運動特點之后,把特征點與運動預測相結(jié)合進行研究,取得了較好的效果。
　　本文所提的各算法都是使用 C++語言實現(xiàn),通過對采集的大量視頻進行測