基于視頻的交通參數(shù)檢測方法研究.pdf

1、近年來，基于視頻的交通參數(shù)檢測成為計算機視覺領(lǐng)域新興的研究方向，基于視頻的交通參數(shù)檢測是智能交通系統(tǒng)的一個子課題，具有廣闊的應(yīng)用前景，同時基于視頻的交通參數(shù)檢測技術(shù)涉及了圖像處理、計算機視覺、模式識別以及人工智能等學(xué)科與領(lǐng)域，具有較高的學(xué)術(shù)價值和理論研究意義。 本文以攝像機固定情況下拍攝的視頻圖像數(shù)據(jù)為研究對象，以實時提取交通參數(shù)為研究目的，深入研究了圖像序列中運動目標(biāo)的檢測、目標(biāo)陰影檢測以及交通參數(shù)提取技術(shù)，并在此基礎(chǔ)上設(shè)計實

2、現(xiàn)了視頻交通參數(shù)檢測系統(tǒng)。 車輛目標(biāo)檢測是視頻交通參數(shù)檢測的重要內(nèi)容，對于攝像頭固定情況下的交通場景圖像序列，車輛目標(biāo)檢測的主流方法是運動目標(biāo)檢測算法。本文研究了瞬時差分法、背景差分法以及背景模型法等目前主要的運動目標(biāo)檢測算法，通過實驗分析了各種算法的技術(shù)特點及優(yōu)勢，并在分析現(xiàn)有運動目標(biāo)檢測算法基礎(chǔ)上，提出了一種改進(jìn)的背景模型算法，改進(jìn)算法以瞬時差分法的輸出作為是否更新背景模型的依據(jù)，有效解決了背景發(fā)生突變后的模型更新問題。

3、 運動目標(biāo)的陰影具有與運動目標(biāo)相似的視覺與運動特征，常常在運動目標(biāo)檢測中被誤判為運動目標(biāo)，因此需要在運動目標(biāo)檢測后進(jìn)行陰影檢測。本文系統(tǒng)介紹了陰影模型以及目前主要的檢測算法，重點研究了HSV空間內(nèi)確定性非模型陰影檢測算法，通過實驗分析了HSV空間內(nèi)亮度、色度以及飽和度約束條件對算法的影響。 論文研究了基于檢測區(qū)域的交通參數(shù)提取算法，給出了車流量、車速、車型等主要交通參數(shù)的算法流程，并應(yīng)用模塊化的方法在VC++編程環(huán)境下設(shè)計實