復(fù)雜環(huán)境下車輛檢測算法優(yōu)化及實(shí)現(xiàn).pdf

1、隨著汽車保有量的不斷增加，交通擁堵等問題日益嚴(yán)重，人們開始著力于研究智能交通系統(tǒng)，充分利用道路資源，緩解交通壓力。智能交通系統(tǒng)中對車流量的統(tǒng)計(jì)是評(píng)價(jià)交通擁堵狀況的一項(xiàng)核心工作，通過對交通擁堵狀況的評(píng)價(jià)來合理分配道路資源。而復(fù)雜環(huán)境下，車輛檢測的不準(zhǔn)確會(huì)給車流統(tǒng)計(jì)帶來直接的影響，導(dǎo)致統(tǒng)計(jì)誤差，進(jìn)而影響到整個(gè)智能交通系統(tǒng)的性能。因此對復(fù)雜環(huán)境下車輛檢測的研究具有重要理論意義和實(shí)際應(yīng)用價(jià)值。
　　復(fù)雜環(huán)境是指雨雪天、夜間及車輛遮擋情況。

2、在雨雪天及夜間的車輛檢測目前已取得較好的效果，本文針對車輛遮擋情況進(jìn)行研究。對當(dāng)前遮擋檢測算法無法同時(shí)保證實(shí)時(shí)性、檢測率與多車輛遮擋處理的問題做了深入分析，采用了基于矩形模板的車輛遮擋檢測算法。該方法首先使用面積比率，快速篩選出明顯遮擋車輛。對無法判斷的車輛采用特征點(diǎn)的方法進(jìn)行檢測，進(jìn)一步提高了遮擋檢測率。檢測到遮擋時(shí)采用矩形模板特征點(diǎn)進(jìn)行分割，通過車輛外圍的特征點(diǎn)，可以處理多輛車遮擋的情況。矩形模板的簡易性，使得檢測分割過程十分迅速，

3、可以滿足實(shí)時(shí)性。此外，遮擋檢測方法依賴予前景目標(biāo)輪廓的完整性，本文針對ViBe前景檢測算法查全率不高而影響前景檢測結(jié)果完整的問題，采用了一種改進(jìn)的算法，該算法通過將灰度背景模型與顏色空間背景模型相結(jié)合，并使用了像素級(jí)與幀級(jí)相結(jié)合的背景模型更新算法，大幅提升了前景車輛的檢測效果。
　　實(shí)驗(yàn)結(jié)果表明本文的遮擋檢測算法可達(dá)到91.02％的檢測率，且可處理多車遮擋，系統(tǒng)實(shí)時(shí)性測試結(jié)果在Core2GHz處理器上，320×240分辨率的監(jiān)控視