基于視頻的車流量檢測技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著人們生活水平的提高，汽車逐漸走進(jìn)了千家萬戶。汽車數(shù)量的增加，對道路交通的管理帶來了挑戰(zhàn)，但也促進(jìn)了智能交通系統(tǒng)的發(fā)展。智能交通系統(tǒng)是保證道路交通實(shí)時、準(zhǔn)確、高效的綜合性管理系統(tǒng)，交通信息的提取又是智能交通系統(tǒng)中最為基礎(chǔ)的一環(huán)。隨著數(shù)字圖像處理技術(shù)的發(fā)展，基于視頻圖像處理技術(shù)的車輛檢測方法日益受到人們的關(guān)注，并且也成為了獲取交通信息的主要手段。本文主要基于道路監(jiān)控視頻，研究道路車輛通行狀況，分析車流信息，為智能交通系統(tǒng)的改善提供基礎(chǔ)數(shù)

2、據(jù)。論文主要完成的工作如下:
　　1)研究了車輛檢測算法，實(shí)現(xiàn)了一種結(jié)合高斯模型背景建模與區(qū)域背景更新的背景差分法。使用混合高斯模型建立初始背景，然后進(jìn)行背景差分，通過Ostu法獲取自適應(yīng)的閾值來分割前景，更新非前景區(qū)域的背景區(qū)域。為了消除陰影的影響，文中采用了一種融合LBP與亮度的陰影檢測方法，通過LBP檢測出候選陰影區(qū)域，然后通過亮度指標(biāo)對陰影區(qū)域處理，最后通過連通域處理、區(qū)域生長的方法得到最終的陰影區(qū)域。實(shí)驗(yàn)結(jié)果表明，上述車

3、輛檢測算法的實(shí)時性明顯好于混合高斯模型法，檢測效果與混合高斯相近，但明顯好于多幀平均法;在陰影消除方面，效果明顯好于單一使用LBP或亮度的陰影消除算法。
　　2)在車輛跟蹤研究過程中考慮車輛發(fā)生粘結(jié)的情況，研究并實(shí)現(xiàn)了基于輪廓凸包特性的車輛遮擋分割方法，并利用車輛的外接矩形框結(jié)合卡爾曼濾波器實(shí)現(xiàn)車輛的跟蹤和流量提取。
　　3)研究了夜間車輛檢測與跟蹤的方法。通過采用基于灰度直方圖的自適應(yīng)閾值的分割法，很好地完成了車燈初始分割