基于道路監(jiān)控視頻的交通擁堵判別方法研究.pdf

1、隨著經(jīng)濟的快速發(fā)展，各個城市的汽車數(shù)量不斷增加，道路的交通狀況越發(fā)的復雜，實現(xiàn)交通狀況的準確判別是解決道路擁堵問題的基礎(chǔ)。道路監(jiān)控系統(tǒng)的普及、圖像處理與模式識別等技術(shù)的發(fā)展，使得基于視頻的交通特征參數(shù)的提取實現(xiàn)交通狀況的判別成為當前研究的熱點。在實際的場景中道路信息系統(tǒng)的故障在所難免，容易造成道路交通流量數(shù)據(jù)的丟失，實現(xiàn)這些數(shù)據(jù)的修復顯得尤為重要。
　　為了解決道路狀況判別這一問題，本文通過對道路交通視頻的處理，獲得道路交通特征參

2、數(shù)，提出了一種基于核函數(shù)模糊C均值聚類（KFCM）的交通擁堵判別方法，同時將時空壓縮感知壓縮感知應用于道路交通流量數(shù)據(jù)的修復過程中。論文的主要工作如下：
　　從實時交通視頻中獲得道路交通特征參數(shù)，首先要實現(xiàn)運動車輛的目標檢測。本文對傳統(tǒng)的像素級Vibe目標檢測算法進行了改進，提出了一種基于閾值的自適應Vibe目標檢測算法。針對檢測中存在的鬼影，引入了基于Otsu閾值的鬼影抑制方法，將單個像素點的背景判別與整幅圖像的特征相結(jié)合。為了

3、更好地適應前景目標運動狀況變化較大的情況，根據(jù)前景目標質(zhì)心的運動速度，自適應的調(diào)整背景的更新速度。實驗證明，本文的改進算法，能夠快速有效的抑制鬼影，同時提高了目標檢測的準確性和魯棒性。
　　其次，本文提出了一種基于KFCM的交通擁堵判別方法。交通擁堵的判別采用道路空間占道比、車流量以及道路宏觀光流速度三個參數(shù)。對交通視頻通過多幀融合進行道路的檢測，計算前景目標像素個數(shù)與道路像素個數(shù)的比值獲得道路空間占道；通過虛擬線圈法與Vibe算

4、法結(jié)合統(tǒng)計車流量；融合了Harris角點檢測算法以及H-S光流算法計算了整個車道的宏觀光流速度。在此基礎(chǔ)上，根據(jù)交通狀態(tài)之間具有的模糊性，采用KFCM算法尋找交通狀態(tài)的聚類中心，建立交通擁堵判別器，最后通過計算歐氏距離得到當前的交通擁堵狀態(tài)。實驗證明，本文提出的方法能夠快速準確的進行道路擁堵狀態(tài)的判別。
　　最后，視頻交通特征參數(shù)獲取過程中交通流量參數(shù)可能丟失，道路交通流量的結(jié)構(gòu)特性使其具有一定的冗余性和可壓縮性，因此可將時空壓縮