基于機(jī)器視覺(jué)的高速公路車流量統(tǒng)計(jì)研究.pdf

1、在現(xiàn)代社會(huì)公路運(yùn)載要求愈來(lái)愈大的情況下,交通擁擠、堵塞現(xiàn)象已成為阻礙社會(huì)發(fā)展的一大癥結(jié)。智能交通系統(tǒng)(ITS)在緩解交通擁擠、提高交通效率等方面有著顯著的作用,因此成為近些年研究的熱點(diǎn)。車流量是其中最為重要的統(tǒng)計(jì)數(shù)據(jù)之一,準(zhǔn)確的車流量數(shù)據(jù)是實(shí)現(xiàn)智能交通管理的基礎(chǔ)。車流量統(tǒng)計(jì)主要研究的是利用機(jī)器視覺(jué)技術(shù)對(duì)公路場(chǎng)景中的視頻圖像進(jìn)行分析和處理,從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車輛進(jìn)行統(tǒng)計(jì)和車型判定,為ITS提供必要的交通監(jiān)管數(shù)據(jù)。
　　車流量統(tǒng)計(jì)是以快速

2、、準(zhǔn)確地從實(shí)時(shí)監(jiān)控視頻中提取車輛統(tǒng)計(jì)信息技術(shù)為核心。由于同一場(chǎng)景內(nèi)可能包含多輛運(yùn)動(dòng)車輛,因而需要對(duì)運(yùn)動(dòng)目標(biāo)(車輛)進(jìn)行去噪、檢測(cè)、復(fù)原、跟蹤。針對(duì)以上問(wèn)題,本論文的主要工作和取得的成果如下:
　　(一)建立了自適應(yīng)中值濾波去噪算法。分析比較了幾種圖像去噪的的方法,將中值濾波去噪作為基礎(chǔ)方法,根據(jù)噪聲點(diǎn)與邊緣的像素特征的不同提出了一種改進(jìn)的自適應(yīng)中值濾波算法,能夠在去除噪聲的同時(shí)較好地保留車身細(xì)節(jié)部分。
　　(二)建立了運(yùn)動(dòng)目

3、標(biāo)的精確檢測(cè)算法。分析比較了三種常用的運(yùn)動(dòng)檢測(cè)方法,并將基于背景差的目標(biāo)檢測(cè)方法作為本文的目標(biāo)檢測(cè)方法;應(yīng)用高斯混合模型對(duì)背景進(jìn)行自適應(yīng)重建和更新,并提出了合理的改進(jìn);針對(duì)車輛陰影導(dǎo)致的目標(biāo)識(shí)別誤差,提出了一種基于陰影灰度漸變性一致的運(yùn)動(dòng)車輛陰影去除算法,該算法首先通過(guò)水平與豎直梯度提取出陰影與車身輪廓響度跳變點(diǎn),然后以跳變點(diǎn)處像素密度作為特征進(jìn)行陰影與車身分類,本文算法能夠更快速準(zhǔn)確地提取運(yùn)動(dòng)目標(biāo)區(qū)域。
　　(三)提出了基于峰值

4、信噪比評(píng)價(jià)的運(yùn)動(dòng)模糊圖像復(fù)原算法。針對(duì)高速運(yùn)動(dòng)圖像經(jīng)常出現(xiàn)的運(yùn)動(dòng)模糊現(xiàn)象,根據(jù)成像系統(tǒng)的特性,使用頻譜分析方法初步檢測(cè)出運(yùn)動(dòng)模糊方向和長(zhǎng)度值,以 PSNR(峰值信噪比)作為復(fù)原評(píng)價(jià)指標(biāo)修正初始頻譜識(shí)別參數(shù)的誤差,可以得到精確的運(yùn)動(dòng)參數(shù),進(jìn)而對(duì)模糊圖像進(jìn)行較好地復(fù)原。
　　(四)改進(jìn)了適應(yīng)于公路運(yùn)動(dòng)目標(biāo)的快速跟蹤算法,在進(jìn)行精確的目標(biāo)提取后,基于視頻序列中相鄰兩幀之間的目標(biāo)所移動(dòng)距離小于該目標(biāo)與其它目標(biāo)之間距離的假設(shè),采用距離信息為