自適應場景的視頻交通流檢測系統(tǒng)研究與應用.pdf

1、視頻交通流檢測技術與地感線圈等傳統(tǒng)交通流檢測技術相比，具有檢測信息量大、信息直觀、可同時檢測多車道、安裝和維護方便等無法比擬的優(yōu)勢，因而逐漸成為智能交通系統(tǒng)中的一個研究熱點，并得到越來越廣泛的應用。然而，目前視頻交通流檢測系統(tǒng)多數(shù)仍然采用車輛的灰度信息作為車輛的檢測特征，受環(huán)境光照亮度變化的影響較大，魯棒性不強。而且，隨著這項技術的發(fā)展，一些新的應用需求不斷提出，如檢測場景發(fā)生變動時視頻交通流檢測系統(tǒng)能自適應地調(diào)整檢測區(qū)域或使檢測場景復

2、位，這樣它的攝像頭就可以兼顧視頻交通流檢測、交通監(jiān)控或治安監(jiān)控等用途。為了提高視頻交通流檢測系統(tǒng)的檢測魯棒性，以及使其滿足自適應場景的應用需求，論文主要開展了以下幾個方面的研究工作： (1)對視頻交通流檢測系統(tǒng)的核心技術--車流量檢測方法進行了研究，提出了一種基于邊緣背景差的車流量檢測方法。該方法利用車輛邊緣信息作為車輛的檢測特征，采用基于變化因子的背景學習法來進行背景邊緣圖像的提取和更新，受環(huán)境光照亮度變化的影響較小，魯棒性強

3、；此外，該方法根據(jù)檢測場景的類型特點和攝像機的安裝條件來靈活選擇檢測區(qū)域類型和車輛計數(shù)開窗方式，對不同的檢測場景和攝像機安裝條件都具有較強的適用性。不同光照條件和不同交通流場景下的實驗結果表明，該方法是一種實用有效的車流量檢測方法。 (2)對自適應場景的視頻交通流檢測系統(tǒng)的核心技術--場景自適應技術進行了研究，提出了一種自適應場景的道路結構提取算法。該算法首先利用車道線組合對道路結構進行建模，然后利用霍夫變換對當前檢測場景中的車

4、道線進行檢測，并利用匹配誤差和消失點誤差對檢測到的車道線進行校驗，最后利用消失點約束對檢測不正確的車道線進行修正，最終提取出正確的道路結構信息。實驗結果表明，該方法在白天正常天氣條件下提取正確率高，是一種有效可行的道路結構提取方法。 (3)對自適應場景的視頻交通流檢測系統(tǒng)在實用過程中需要解決的一些關鍵技術問題進行了研究，并結合實際工程應用經(jīng)驗，給出了相應的解決方案。這些關鍵技術問題包括：對車流量統(tǒng)計算法的優(yōu)化、交通擁堵檢測及相應