基于視頻的車流量統(tǒng)計系統(tǒng)研究.pdf

1、如今，伴著經(jīng)濟的快速發(fā)展，汽車數(shù)量與日俱增，使得道路交通承受著巨大壓力，構(gòu)建更加完善的智能交通系統(tǒng)迫在眉睫，交通信息的提取、處理以及分析對于實現(xiàn)交通系統(tǒng)的智能化至關(guān)重要。而基于視頻的車流量檢測技術(shù)正是智能交通系統(tǒng)研究的重要課題。本文在分析現(xiàn)有算法的基礎(chǔ)上，對實際交通場景下車輛的檢測、跟蹤和統(tǒng)計做了相關(guān)研究，研究內(nèi)容包括以下幾個方面：
　　運動車輛檢測方面，實現(xiàn)了一種基于概率分類器的運動目標檢測方法，利用每個像素點在連續(xù)幀的亮度矢量

2、建立背景和前景概率模型，最后，依據(jù)這些概率將每個像素劃分為背景或者前景，從而實現(xiàn)運動車輛的檢測。
　　運動車輛跟蹤方面，研究了一種基于粒子濾波的目標跟蹤算法，利用K-means算法對粒子進行聚類；然后借助背景信息和目標凸包分割或者合并聚類，來解決多目標粘連和單目標分離的問題，保證聚類與車輛一一對應(yīng)；最后，通過對比相鄰幀中粒子近鄰的顏色直方圖的相似度來跟蹤運動車輛。
　　車流量統(tǒng)計方面，基于虛擬檢測線的車輛計數(shù)算法不可避免地會

3、出現(xiàn)漏檢和誤檢問題，針對這一問題，提取并結(jié)合了兩種圖像信息：目標與檢測線相對位置信息和檢測線像素值變化信息，提出了一種車流量分割計數(shù)方法用于提高準確率。首先確定車輛和檢測線的相對位置，然后結(jié)合檢測線上像素值的波形變化規(guī)律對車輛數(shù)目進行統(tǒng)計。這種方法可以極大程度地減少車輛漏檢和誤檢問題。
　　利用Visual Stdio2010并結(jié)合OpenCV開發(fā)了一個測試系統(tǒng)來實現(xiàn)本文研究的算法，并且利用實驗來檢驗算法的實際效果。我們選取多種不