城市公路隧道視頻監(jiān)控系統(tǒng)智能識別的研究.pdf

1、智能交通系統(tǒng)(ITS，Intelligent Transportation System)是目前全球廣泛研究的課題，近20年隨著我國公路交通事業(yè)的飛速發(fā)展，我國的公路長隧道及地下通道的不斷增多，隧道自身的交通監(jiān)控和安全管理已成為新的研究課題。應用ITS技術(shù)到隧道監(jiān)控與傳統(tǒng)的地感線圈的檢測方法相比，視頻車輛監(jiān)控技術(shù)具有安裝容易，維護費用低廉的優(yōu)點。
　　 目前較常用的視頻車輛檢測技術(shù)大多應用于露天公路車輛的監(jiān)控檢測，而公路隧道是公

2、路上的特殊路段，隧道里空間狹隘、空氣流通不暢、光線較暗、視野不清等特殊環(huán)境，而這些都是造成交通事故的潛在威脅。在不同的環(huán)境中，基于視頻的車輛檢測技術(shù)也不同，本文中在前人研究的基礎上，總結(jié)出適合隧道監(jiān)控的、魯棒的、實時的方法，用來處理一系列由固定安裝在隧道里的攝像機所提供的交通視頻圖像，從而檢測車輛，并對監(jiān)控范圍內(nèi)的車輛進行分類識別及跟蹤。該算法主要包括三個方面：運動目標提取，車輛識別分類和車輛跟蹤。
　　 運動目標的提取算法，通

3、過對幾種傳統(tǒng)目標提取算法的分析比較，總結(jié)出利用背景差分法從當前監(jiān)控區(qū)域中提取運動目標。背景差分法主要分為建立背景模型和閾值差分兩步完成。
　　 然后，基于隧道對車輛分類的要求，利用BP神經(jīng)網(wǎng)絡技術(shù)對運動目標進行分類識別。在仔細研究了隧道運動目標的各種特征以后，提出了根據(jù)運動目標的矩特征、速度特征和面積特征作為輸入，將分類類別作為輸出，訓練并驗證了神經(jīng)網(wǎng)絡可行性。
　　 在運動目標的實時跟蹤技術(shù)中，基于Kalman濾波的跟