智能交通系統(tǒng)中交通信息檢測關(guān)鍵技術(shù)研究.pdf

1、電子科學(xué)、計算機視覺理論和技術(shù)已成為智能交通系統(tǒng)中交通監(jiān)控與交通管理領(lǐng)域的核心。與此同時，諸如車輛檢測、車道檢測、車速估計、車型分類和車輛跟蹤等交通信息檢測技術(shù)逐步成為智能交通領(lǐng)域中的基礎(chǔ)研究課題。本文利用視頻處理技術(shù)，以固定攝像機采集的交通流視頻為處理對象，對交通信息檢測中的一些關(guān)鍵技術(shù)進行了探索和研究，提出了新的技術(shù)路線，同時在實驗中驗證了算法的有效性。本文的主要研究內(nèi)容和學(xué)術(shù)貢獻有以下幾個方面：
　　首先，針對目前交通視頻序

2、列中動態(tài)背景區(qū)域?qū)\動車輛檢測影響較大的問題，本文提出預(yù)先進行場景分割的運動車輛檢測方法。該方法以動態(tài)背景區(qū)域與運動前景區(qū)域的光流向量特征為基礎(chǔ)，首先進行背景區(qū)域與前景區(qū)域的分割，在此基礎(chǔ)上分別對兩區(qū)域的像素點進行背景建模，之后利用背景差分法提取運動車輛前景，最后利用HSV彩色空間下的陰影模型進行陰影去除。該方法有效地解決了動態(tài)背景區(qū)域?qū)\動車輛提取的影響，提高了車輛本身區(qū)域檢測的精度。
　　其次，在交通場景前景區(qū)域與背景區(qū)域分割

3、的基礎(chǔ)上，提出基于Hough變換與車輛前景累計圖相結(jié)合的車道檢測算法。算法將視頻場景中的車道檢測問題分為兩步，車道邊界線(即車道區(qū)域兩側(cè)的邊界)檢測與車道數(shù)目和分界線檢測。首先利用Hough變換檢測交通圖像中所有候選邊界直線，同時利用交通場景分割的結(jié)果粗略的估計出邊界線的大體位置，以此為基礎(chǔ)判定出候選直線中與道路邊界最為接近的直線作為道路區(qū)域邊界檢測結(jié)果。此后，提取車輛前景累計圖，利用車輛的行駛特征計算出視頻場景中道路區(qū)域的車道數(shù)目，同

4、時利用車道寬度一定的特性估計出車道分界線的位置，從而完成交通監(jiān)控場景中的車道檢測。
　　提出基于虛擬檢測線的交通流參數(shù)檢測方法，該方法可以利用車道檢測的結(jié)果進行虛擬區(qū)域以及虛擬檢測線的自動設(shè)置。設(shè)計了一種新的組合式虛擬檢測線，該檢測線由注冊線、測速線以及分界檢測線組成。利用亮度與三幀狀態(tài)相結(jié)合的檢測線觸發(fā)判定方法，有效地解決了車輛沿分界線行駛以及攝像機抖動等情況對虛擬檢測線技術(shù)的影響。在此基礎(chǔ)上，利用注冊線與測速線完成了多車道場景

5、下的車速估計。同時利用注冊線判定車輛在圖像中的位置，以車輛離開注冊線的初始時刻在圖像中的位置為基準，采用投影法提取車輛相對尺寸，并以此為基礎(chǔ)定義描述車輛的特征，最后利用支持向量機完成了大型車與小型車的分類。
　　最后本文研究了運動車輛跟蹤問題，針對傳統(tǒng)Mean Shift算法無法跟蹤被遮擋車輛的問題，將Kalman濾波融入到Mean Shift算法中。利用巴氏系數(shù)作為車輛是否被遮擋的判定條件，當跟蹤車輛被遮擋時，利用Kalman濾