基于視頻的交通檢測技術(shù)研究.pdf

1、車輛數(shù)量的迅猛增長導(dǎo)致交通擁擠甚至交通事故頻繁發(fā)生,對交通事件進(jìn)行檢測能夠有效地解決這一問題,而基于視頻的檢測方法更是重點(diǎn)研究領(lǐng)域。但是現(xiàn)有視頻中存在很多降低檢測效率的干擾,比如噪聲點(diǎn)繁多、光照不均勻、車輛自身影響等,為降低這些干擾帶來的不便,本文在國內(nèi)外現(xiàn)有交通檢測技術(shù)基礎(chǔ)上,對檢測的方法加以改進(jìn),并設(shè)計(jì)相應(yīng)的原型系統(tǒng)。
　　 本文的工作主要包括:
　　 (1)針對大部分視頻的低清晰度、多噪聲點(diǎn),降低了幀差分法檢測車輛

2、的準(zhǔn)確性這一狀況,提出一種將幀差分和Q學(xué)習(xí)相結(jié)合的車輛檢測方法。首先選取合適的兩幀進(jìn)行差分處理,然后引入Q學(xué)習(xí)的思想,把從差分幀和原始幀中尋找車輛的最小包圍框當(dāng)作最優(yōu)策略,同時(shí)又將尋找策略的過程細(xì)分為找到大體車身和確定車輛邊界兩步,當(dāng)找到車輛的四條邊界時(shí)完成檢測。該方法能夠準(zhǔn)確地檢測出車輛,同時(shí)具有較高的魯棒性和適用性。
　　 (2)針對原始Mean Shift跟蹤算法在車輛行駛發(fā)生諸如車輛尺度在視覺上發(fā)生變化或者速度過快時(shí)會出

3、現(xiàn)跟蹤失誤的不足,提出一種將車輛Hu不變矩特征融入Mean Shift算法的跟蹤方法。該方法首先利用Mean Shift算法對車輛進(jìn)行迭代跟蹤,在跳出迭代時(shí)用Hu不變矩檢測是否發(fā)生上述變化,然后針對不同的變化對Mean Shift算法做出相應(yīng)調(diào)整。該方法能夠更加準(zhǔn)確地跟蹤車輛,有良好的適應(yīng)性。
　　 (3)針對視頻中噪聲點(diǎn)難以消除和路面背景難以提取的問題,提出基于車輛平均軌跡的車道提取方法。首先將車輛中心點(diǎn)在每一幀中的位置通過算

4、法擬合成一條平均軌跡;然后從視頻幀中選擇出合適的一幀作為背景圖,對其進(jìn)行簡單的形態(tài)學(xué)和二值化處理;最后,將平均軌跡與二值化圖匹配,提取出車道。該方法不易受到噪聲點(diǎn)的干擾,成功率較高并且具有很強(qiáng)的靈活性和適應(yīng)性。
　　 (4)采用面向?qū)ο笏枷朐O(shè)計(jì)并實(shí)現(xiàn)交通檢測系統(tǒng)。該系統(tǒng)由圖像預(yù)處理、車輛檢測、車輛跟蹤、車道提取和事件檢測五個(gè)功能模塊組成,實(shí)現(xiàn)對車輛超速、慢速、逆行等異常情況進(jìn)行檢測并對整個(gè)交通的擁擠與否進(jìn)行判斷,最后將檢測結(jié)果顯