基于圖像處理的混合交通流中行人和非機動車數(shù)據(jù)采集理論與方法.pdf

1、在我國城市道路混合交通中，行人和非機動車對機動車的行駛產(chǎn)生很大影響。這種影響不但威脅道路交通安全，還導(dǎo)致了延誤的增加和通行能力的下降。如何通過交通管理控制手段科學(xué)管理行人和非機動車交通，有效提高城市路網(wǎng)尤其是道路交叉口的通行能力，減少出行者的出行時間，提高出行者的出行安全，成為當(dāng)今我國城市交通所面臨的首要問題之一。因此，越來越多的智能交通控制系統(tǒng)被開發(fā)和應(yīng)用在實際交通管理與控制中。作為智能交通系統(tǒng)的首要元素，交通信息采集設(shè)施在智能交通諸

2、多系統(tǒng)中起著極為關(guān)鍵的作用。 由以上分析可以看到，采集混合交通流中不同類型交通對象的流量數(shù)據(jù)，從而更有針對性地分析我國混合交通的情況，能夠為交通基礎(chǔ)設(shè)施的建設(shè)規(guī)劃、管理和評價工作提供有效的理論依據(jù)。本論文圍繞圖像處理技術(shù)，以混合交通流中的行人和非機動車為研究對象，對以下幾個方面的內(nèi)容進(jìn)行了深入研究： (1)首先分析和總結(jié)現(xiàn)有交通流量采集系統(tǒng)的發(fā)展模式和國內(nèi)外現(xiàn)有視頻圖像采集的主要理論和方法，并分析使用這些視頻圖像處理方法

3、進(jìn)行混合交通流數(shù)據(jù)采集時的缺陷。在此基礎(chǔ)上，詳細(xì)闡述本論文圖像處理方法為包含：對象檢測、對象跟蹤、特征提取、對象識別四個模塊的混合交通流數(shù)據(jù)采集的框架模型。 (2)考慮到實際交通場景中獲得可靠的背景圖像比較困難，本論文在圖像平均模型、中值濾波模型和高斯混合模型的基礎(chǔ)上，利用數(shù)學(xué)形態(tài)學(xué)的方法建立自適應(yīng)的背景提取模型，該模型能夠?qū)Ρ尘皥D像進(jìn)行更精確的提取，而且能更完整的保存原始圖像的信息。實例檢驗表明，本模型的提取精度均遠(yuǎn)高于上述三

4、種模型，其提取速度也能夠滿足實時處理的需求。此外，本模型在提取背景圖像的同時，還能夠針對環(huán)境光線變化實時調(diào)整采集圖像的亮度，保證從不同的圖像幀中提取到背景像素的亮度水平相近，更為貼近實際情況。 (3)在運動對象檢測部分，考慮多種技術(shù)來提高算法的魯棒性，包括：自適應(yīng)閾值的選?。换卩徲蛐畔?、光強信息和色彩信息的噪聲抑制技術(shù)等內(nèi)容。其中，利用鄰域信息能夠有效消除系統(tǒng)噪聲干擾；利用光強信息和顏色信息能夠有效消除自然噪聲干擾。

5、(4)對運動對象跟蹤，針對混合交通流中經(jīng)常出現(xiàn)的遮擋、重疊、聚集、消散等情況，提出基于模糊匹配的KF(Kalman Filter)跟蹤模型。該模型參考了Kalman濾波的預(yù)測值，利用模糊的方法與當(dāng)前圖像中的檢測值進(jìn)行匹配。該方法能夠保證前景物體在被遮擋時或?qū)嶒灁?shù)據(jù)缺失，及相互間遮擋的情況下，仍能準(zhǔn)確跟蹤運動物體的移動軌跡，從而能夠更好的處理混合交通對象的跟蹤問題。 (5)在分析行人和非機動車的二值圖像的基礎(chǔ)上，本論文中將運動對象