基于監(jiān)控視頻的交通信息提取技術(shù)研究.pdf

1、當(dāng)今社會，車輛迅速增長，人們對交通網(wǎng)絡(luò)的需求也越來越強烈，只是依靠加寬道路已經(jīng)不能解決問題，這樣的情況下，如何對交通網(wǎng)絡(luò)更為高效地管理便成為關(guān)鍵，而此時智能交通系統(tǒng)的出現(xiàn)為這一問題的解決提供了方向，對監(jiān)控視頻中交通信息的提取是這個領(lǐng)域的重點研究內(nèi)容，它可以為做出交通決策提供有力支持，緩解交通壓力，對交通車輛進(jìn)行合理調(diào)度，使交通網(wǎng)絡(luò)得以高效地進(jìn)行運作。
　　首先，本文對獲取到的視頻圖像做一定的處理，使得圖像達(dá)到可以實現(xiàn)車輛檢測的要求

2、，這些處理包括灰度的轉(zhuǎn)換，直方圖均的衡化，去噪，二值化，形態(tài)學(xué)操作等內(nèi)容，然后仿真得出結(jié)果，并進(jìn)行了對比，選出最優(yōu)的處理方法。
　　然后，再檢測運動車輛，這是車輛跟蹤和交通信息提取的重要前提，通過對比各種方法，并且通過對比實驗結(jié)果，選取了背景差分法，因為背景差分法可以獲取到完整的車輛，而且這種方法的計算量小，可以應(yīng)用于對實時性要求高的場景中。之后需要對背景建模，通過改進(jìn)常用的背景建模方法，使得靜止或運行速度很慢的車輛不會被當(dāng)作背景

3、，能快速準(zhǔn)確獲取到背景。針對車輛陰影的存在，改進(jìn)了常用的車輛陰影去除方法，這種方法相比于常用的陰影去除方法要更加有效，陰影去除完全而且不會丟失車輛信息。
　　其次，本文實現(xiàn)了車輛的跟蹤，這對接下來的車輛信息提取有著很關(guān)鍵的作用。通過對比跟蹤方法，本文最終選取了 Camshift算法來跟蹤車輛，并引入了卡爾曼濾波器預(yù)估車輛接下來的運動情況，減小了對車輛位置搜索的范圍，很大程度上加快了運算速度，使得車輛跟蹤更為高效，并且由于 Cams

4、hift算法的特性，車輛遮擋問題也能在一定程度上得到解決。
　　最后，本文對交通信息進(jìn)行了提取，其中包括對車速進(jìn)行測量，對車流量進(jìn)行獲取，檢測車輛是否違章停車以及車輛是否逆行，并且對這些要獲取的交通信息，實驗得出結(jié)果，根據(jù)結(jié)果可以得出結(jié)論，這些方法的準(zhǔn)確性和速度都能滿足要求。在車速車輛測速中，改進(jìn)了常用的車輛測速方法，使得測速結(jié)果更加精確。在違章停車的檢測中，改進(jìn)了常用的違章停車檢測方法，這種方法的檢測速度快，適合在監(jiān)控視頻中這種