基于區(qū)域特征的電動自行車流量檢測算法的研究與應用.pdf

1、隨著現(xiàn)代化建設的推進，以及計算機硬件和軟件技術的發(fā)展，智能交通得到了越來越多地應用，通過先進的視頻處理技術來實現(xiàn)對城市道路交通環(huán)境的智能化管理，可以使城市道路變得更規(guī)范和更有秩序。而電動自行車作為城市交通工具的重要組成部分，因為其具有便宜和便捷的優(yōu)點，被人們大量使用。然而電動自行車行駛的不規(guī)范性也給道路交通管理帶來了很多問題，研究并尋找一種能切實有效地檢測和統(tǒng)計電動自行車車流量的算法變得越來越重要。
　　運動目標檢測作為視頻處理的

2、基礎技術之一，是進行車流量統(tǒng)計的前提。目前運動目標檢測算法從空間水平可以分為基于像素的和基于區(qū)域的，基于像素的運動目標檢測對單個像素進行處理，較為容易出現(xiàn)噪點;基于區(qū)域特征的運動目標檢測算法則考慮到了用相鄰像素信息來改善檢測結果。本文提出了兩種基于區(qū)域的運動目標檢測算法，并用來進行電動自行車的實時檢測。在此基礎上，研究并實現(xiàn)了一種基于整個車道和交集校正的電動自行車流量統(tǒng)計算法。
　　本文研究的內容主要包括如下幾點:
　　(1

3、)首先分析了Hu矩算法的原理，并提出了一種基于Hu矩相似度的混合高斯模型檢測算法，分析了用該算法進行電動自行車檢測的可行性。同時，分析了ssim算法的原理，并提出了ssim混合高斯模型算法，再分析了用其來進行電動自行車檢測的可行性。實驗結果表明，直接用Hu矩相似度和直接用ssim都能很好地檢測出電動自行車，同樣地，用Hu矩相似度指示器的混合高斯模型算法和ssim混合高斯模型算法也能檢測電動自行車，并提高了對場景變化的適應能力。
　

4、　(2)其次，實現(xiàn)了一種基于整個車道和交集校正的電動自行車流量統(tǒng)計算法，并分別結合基于Hu矩相似度的混合高斯模型算法和ssim混合高斯模型算法來進行電動自行車的流量統(tǒng)計。實驗結果表明基于Hu矩相似度的混合高斯模型算法和ssim的混合高斯模型算法的檢測正確率和計數正確率都在95％以上。
　　(3)最后，開發(fā)了一套電動自行車流量統(tǒng)計應用軟件系統(tǒng)，系統(tǒng)采用C#語言開發(fā)，并應用CUDA的GPU加速技術和CPU并行加速等方式對本文提出的算法