車輛跟蹤及交通流參數(shù)采集.pdf

1、隨著我國城市化進程的不斷加快，交通擁堵、交通事故等日益頻繁，逐步成為經(jīng)濟和社會發(fā)展中亟需解決的問題，智能交通系統(tǒng)(ITS)正是解決該矛盾的途徑之一。本文研究內(nèi)容是ITS的一部分，主要包括三個部分：車輛跟蹤、車輛跟蹤過程中遮擋的消除、交通流參數(shù)采集(車速計算、車型分類和車輛檢索)。 車輛跟蹤部分首先對運動目標跟蹤方法進行綜合闡述，分析了各自的優(yōu)勢和不足之處，然后提出了基于六邊形模型的車輛跟蹤算法。車輛跟蹤是車速計算、車型分類等算法

2、的基礎(chǔ)，傳統(tǒng)的跟蹤方法不利于后續(xù)工作的開展，如將車輛速度轉(zhuǎn)換成真實速度；在透視變換關(guān)系存在的情況下，依據(jù)車輛外形參數(shù)進行車型分類等等，本文跟蹤算法能夠克服上述不足。先利用六邊形模型來計算車輛體積參數(shù)，其中包括圖像坐標系和世界坐標系間的坐標轉(zhuǎn)換、創(chuàng)建六邊形模型的理論基礎(chǔ)、創(chuàng)建六邊形模型的具體過程以及計算車輛體積參數(shù)(長、寬和高)等等。由于圖像序列中相鄰幀時間間隔△t比較小，物體的運動不可能突變，因此，在At較小的情況下，可認為同一運動目標

3、在相鄰兩幀圖像的形心位置、區(qū)域的顏色和包圍窗口變化不大，即運動具有連續(xù)性、平滑性。在此基礎(chǔ)上提出本文的車輛跟蹤算法，綜合考慮形心、車輛體積參數(shù)和顏色特征三項參數(shù)，并詳細闡述跟蹤過程。 車輛跟蹤遮擋問題是車輛跟蹤過程中不容忽視的難點，能否有效解決車輛遮擋問題在很大程度上影響跟蹤的準確性。該部分首先分析近年來國內(nèi)外用于解決車輛遮擋問題的方法，然后提出本文用于解決車輛遮擋問題的兩種方法：基于內(nèi)接矩形的遮擋消除法和基于角點特征的遮擋消除

4、法?；趦?nèi)接矩形的遮擋消除部分，先介紹了該法適用的基礎(chǔ)，那是由于車輛相互遮擋過程中，車輛凸形連通域的交界處會出現(xiàn)凹陷，內(nèi)接矩形一般是無法越過該凹陷的，該法正是基于這個發(fā)現(xiàn)，然后文中給出了具體的操作過程?；诮屈c特征的遮擋消除部分，先介紹了角點檢測算法(Harris-Plessey檢測)，然后文中給出了具體的遮擋消除過程，如果判定當前幀為車輛遮擋，那么在前一幀車輛還未遮擋時，對該車輛進行角點檢測，檢測出的角點可歸為一類，因為屬于同一輛車，

5、在當前幀中按照加權(quán)模板相關(guān)匹配算法進行角點匹配，以便消除遮擋持續(xù)跟蹤。 交通流參數(shù)采集成為交通管理智能化的前提。車速統(tǒng)計提供平均車速、瞬時車速統(tǒng)計；車型分類依據(jù)相關(guān)分類標準，將車輛分成轎車、客車、卡車、面包車、集裝箱車等；車輛檢索根據(jù)顏色特征和車型檢索出目標車輛。本文重在解決交通流參數(shù)采集中的一些問題。首先是車速計算部分，該部分先解決兩個問題：1)如何將圖像平面中的車速轉(zhuǎn)換到真實世界中；2)著眼于車輛什么部位進行車速計算。本文較

6、詳細闡述基于車輛六邊形模型的車速計算方法，著眼于六邊形模型前邊沿的中點進行車速計算，利用圖像坐標系和世界坐標系間的轉(zhuǎn)換公式獲得車輛真實速度。然后介紹了車型分類算法，該部分先說明傳統(tǒng)方法的局限性，由于透視關(guān)系的存在，傳統(tǒng)方法無法準確獲得用以分類的幾個參數(shù)：車長、頂長比、頂蓬中心比等，隨后較詳細闡述基于車輛六邊型模型的車型分類方法，給出了車型分類的具體過程，在實驗部分對結(jié)果進行較為全面的分析。最后是車輛檢索部分，該部分提出基于顏色特征和車型