智能交通系統(tǒng)中車(chē)輛提取與計(jì)數(shù)算法研究.pdf

1、伴隨著經(jīng)濟(jì)的快速發(fā)展，車(chē)輛迅速增多，交通壓力日益增大，如何改善交通狀況成為各國(guó)的重要問(wèn)題。智能交通系統(tǒng)在這種背景下得以迅速發(fā)展，各國(guó)都投入很大的精力研究?；谝曨l的智能交通系統(tǒng)由于其自身的眾多優(yōu)點(diǎn)，成為現(xiàn)在研究的熱點(diǎn)。車(chē)輛的提取技術(shù)是基于視頻的智能交通系統(tǒng)的基礎(chǔ)，它在交通監(jiān)視和控制中占有很重要的地位，直接影響到后續(xù)工作的難易程度和準(zhǔn)確度。本文針對(duì)目前車(chē)輛提取中存在的幾個(gè)難點(diǎn)問(wèn)題分別進(jìn)行了研究。 1，本文采用基于RGB空間的背景抑

2、制方法來(lái)提取運(yùn)動(dòng)區(qū)域。通過(guò)本文提出的基于T分布的背景重建算法恢復(fù)出一幀不包含運(yùn)動(dòng)物體的背景圖像，在進(jìn)行車(chē)輛提取的同時(shí)對(duì)背景進(jìn)行更新，使得背景圖像能準(zhǔn)確反映外界環(huán)境的變化，為準(zhǔn)確提取運(yùn)動(dòng)車(chē)輛提供了保障。實(shí)驗(yàn)結(jié)果表明：相比其它算法本文的算法可以提取更完整的運(yùn)動(dòng)區(qū)域。并且本文考慮到環(huán)境光線發(fā)生突變的情況，為了在這種情況下正確提取運(yùn)動(dòng)車(chē)輛，二值化差圖像時(shí)采用的閾值加上了灰度的平均變化。 2，提取的車(chē)輛區(qū)域包含陰影，會(huì)使車(chē)輛區(qū)域變大，距離

3、較近的車(chē)輛會(huì)被陰影粘連到一起。本文研究了陰影去除的兩種方法，分別是基于HSV空間的陰影去除方法和藍(lán)波段信息陰影去除算法。 3，車(chē)輛發(fā)生遮擋和粘連的情況下，準(zhǔn)確的提取每一輛車(chē)也是一大難點(diǎn)。本文嘗試用兩種方法去處理這個(gè)問(wèn)題。一種是利用在LAB空間聚類的方法，此方法可以確定出區(qū)域中車(chē)輛數(shù)目，但是無(wú)法分割開(kāi)每一輛車(chē)；另外對(duì)于一種常見(jiàn)的遮擋情況(本文定義為左右遮擋)，給出了判斷是否遮擋的依據(jù)，并通過(guò)分析發(fā)生遮擋的區(qū)域的形狀區(qū)分割開(kāi)其中的每