基于圖像的多車道交通路口車輛檢測(cè)的研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，我國(guó)大中型的城市的交通壓力逐年增加。如今，智能交通已經(jīng)成為提高交通效率的重要手段，在國(guó)內(nèi)外的一些大城市發(fā)揮了巨大作用。
　　要建立城市交通網(wǎng)絡(luò)的模型是一件很困難的事情，所以，智能交通的強(qiáng)大功能的發(fā)揮，需要大量的實(shí)時(shí)交通信息的支持。要借助傳統(tǒng)的物理傳感器來(lái)獲取準(zhǔn)確、全面的實(shí)時(shí)交通信息是需要花費(fèi)巨大的資金和人力，而在我國(guó)的大中型城市的道路上都安裝了大量的圖像/視頻采集設(shè)備，利用現(xiàn)有的這些攝像設(shè)備來(lái)獲取實(shí)時(shí)的交通信息成為

2、一個(gè)研究熱點(diǎn)。對(duì)這些設(shè)備的利用，不需要額外增加的專門的硬件，只需要增強(qiáng)軟件的功能，即增加設(shè)備對(duì)圖像的處理和識(shí)別功能。所以，圖像處理技術(shù)的研究成果對(duì)于智能交通的發(fā)展有著重要的意義。本文首先闡述了智能交通的發(fā)展?fàn)顩r和車輛檢測(cè)的研究現(xiàn)狀，然后介紹了圖像處理的關(guān)鍵技術(shù):圖像增強(qiáng)、圖像分割、角點(diǎn)檢測(cè)、二值圖像的形態(tài)學(xué)處理等，最后，提出了一種新的角點(diǎn)檢測(cè)方法和圖像分割方法，并且利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別出一幅圖像中的若干車輛。本文提出的車輛檢測(cè)方法可用于

3、對(duì)交通路口的排隊(duì)車輛的檢測(cè)和數(shù)量統(tǒng)計(jì)。本文的主要研究?jī)?nèi)容如下:
　　1、特征提取。攝像頭采集到的圖像經(jīng)過(guò)預(yù)處理之后，得到一幅清晰的灰度圖像。首先，采用一種新的掩模遍歷圖像，利用掩模所在區(qū)域像素的方差特性，去除圖像中的平滑區(qū)域;然后，利用余下的邊緣信息來(lái)進(jìn)行角點(diǎn)檢測(cè)，得到角點(diǎn)信息后，把角點(diǎn)所在位置的像素作為區(qū)域生長(zhǎng)的種子點(diǎn)，區(qū)域生長(zhǎng)結(jié)束后即得到一幅有多個(gè)聯(lián)通子區(qū)域的二值圖像。
　　2、車輛識(shí)別。要對(duì)二值圖像中的車輛進(jìn)行識(shí)別，本

4、文首先采用模板匹配的方法對(duì)二值圖像中的子區(qū)域進(jìn)行提取，利用一個(gè)長(zhǎng)方形模板在二值圖像中移動(dòng)，如果二值圖像中的某個(gè)區(qū)域與模板形狀相似，就把這個(gè)區(qū)域從這幅圖像中抽取出來(lái)，從而在一幅大圖像中提取到若干幅像素為“320×240”的小的圖像;然后，計(jì)算各幅小圖像的不變矩和角點(diǎn)的數(shù)量，把七個(gè)不變矩和角點(diǎn)數(shù)量組成特征向量輸入經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)判斷這幅小圖像是否為一輛車輛，如果是則輸出“1”，否則輸出“0”;最后，通過(guò)計(jì)算，就得出了大圖