多信息融合的城市交通監(jiān)控系統(tǒng)若干關鍵技術研究.pdf

1、城市交通監(jiān)控系統(tǒng)是智能交通系統(tǒng)的重要組成部分之一，傳統(tǒng)的交通監(jiān)控模式已越來越不適應日益增加的城市車輛的需要。本課題將基于電磁感應技術的車輛檢測器、射頻識別技術以及數(shù)字圖像處理技術應用于城市交通監(jiān)控系統(tǒng)中，通過融合處理多種傳感器信息，對城市交通實施智能化監(jiān)控。本文對交通監(jiān)控中的圖像處理、信息融合以及智能控制等關鍵技術進行了研究。 論文的主要研究內容包括： 提出了基于幀間顏色梯度的背景建模方法。針對交通視頻的特點，將交通畫面

2、分區(qū)，根據(jù)幀間子區(qū)域的顏色梯度來檢測背景區(qū)域，綜合子區(qū)域背景圖像建立背景模型；根據(jù)建立的背景模型，采用背景圖像差分法提取運動目標，在以自動閾值法進行二值化處理后，利用形態(tài)學濾波器進行濾波，并根據(jù)顏色特征檢測目標的陰影。實驗表明該背景建模方法能滿足交通監(jiān)控環(huán)境的要求。 提出了對目標采取先分類、后跟蹤的方法提取車輛的運動軌跡，并判斷其違章情況。根據(jù)面積和形狀復雜度兩個特征，以模糊聚類算法對目標進行分類；根據(jù)城市交通監(jiān)控的特點建立約束

3、條件，對分類出的車輛目標，以距離、平均灰度差以及面積差三個特征值建立距離測度函數(shù)，通過搜索全局最優(yōu)匹配的方法來確定相鄰幀中車輛目標的對應關系，對車輛目標的軌跡進行跟蹤。實驗表明，利用這些特征可以對目標進行有效分類和跟蹤。 提出融合全景和近景攝像機信息進行自動車牌識別。利用全景和近景攝像機同步拍攝交通視頻，以近景攝像機的畫面識別車牌；利用改進的彩色Sobel梯度算子對圖像進行邊緣檢測，以改進的形態(tài)學濾波器處理二值圖像；針對車牌候選

4、區(qū)域，利用多個特征值作為輸入量建立模糊神經(jīng)網(wǎng)絡對車牌進行精確定位；然后對車牌區(qū)域進行二值化處理以及矯正，按字符的長寬比分割字符，以模板匹配法識別字符，并對一些相似字符進行多次移位匹配，取最佳匹配結果為識別結果。 提出將射頻識別技術應用于城市交通監(jiān)控系統(tǒng)，并對車輛信息以及數(shù)據(jù)管理方式進行了規(guī)劃，論述了對多種信息進行融合處理，可以解決一些傳統(tǒng)交通管理模式下的難題，在實驗中對部分功能進行了仿真測試。 采用模糊控制算法，對單十字