基于圖像的多車道交通路口車輛檢測的研究.pdf

1、隨著經(jīng)濟的發(fā)展，我國大中型的城市的交通壓力逐年增加。如今，智能交通已經(jīng)成為提高交通效率的重要手段，在國內(nèi)外的一些大城市發(fā)揮了巨大作用。
　　要建立城市交通網(wǎng)絡的模型是一件很困難的事情，所以，智能交通的強大功能的發(fā)揮，需要大量的實時交通信息的支持。要借助傳統(tǒng)的物理傳感器來獲取準確、全面的實時交通信息是需要花費巨大的資金和人力，而在我國的大中型城市的道路上都安裝了大量的圖像/視頻采集設備，利用現(xiàn)有的這些攝像設備來獲取實時的交通信息成為

2、一個研究熱點。對這些設備的利用，不需要額外增加的專門的硬件，只需要增強軟件的功能，即增加設備對圖像的處理和識別功能。所以，圖像處理技術的研究成果對于智能交通的發(fā)展有著重要的意義。本文首先闡述了智能交通的發(fā)展狀況和車輛檢測的研究現(xiàn)狀，然后介紹了圖像處理的關鍵技術:圖像增強、圖像分割、角點檢測、二值圖像的形態(tài)學處理等，最后，提出了一種新的角點檢測方法和圖像分割方法，并且利用BP神經(jīng)網(wǎng)絡識別出一幅圖像中的若干車輛。本文提出的車輛檢測方法可用于

3、對交通路口的排隊車輛的檢測和數(shù)量統(tǒng)計。本文的主要研究內(nèi)容如下:
　　1、特征提取。攝像頭采集到的圖像經(jīng)過預處理之后，得到一幅清晰的灰度圖像。首先，采用一種新的掩模遍歷圖像，利用掩模所在區(qū)域像素的方差特性，去除圖像中的平滑區(qū)域;然后，利用余下的邊緣信息來進行角點檢測，得到角點信息后，把角點所在位置的像素作為區(qū)域生長的種子點，區(qū)域生長結束后即得到一幅有多個聯(lián)通子區(qū)域的二值圖像。
　　2、車輛識別。要對二值圖像中的車輛進行識別，本

4、文首先采用模板匹配的方法對二值圖像中的子區(qū)域進行提取，利用一個長方形模板在二值圖像中移動，如果二值圖像中的某個區(qū)域與模板形狀相似，就把這個區(qū)域從這幅圖像中抽取出來，從而在一幅大圖像中提取到若干幅像素為“320×240”的小的圖像;然后，計算各幅小圖像的不變矩和角點的數(shù)量，把七個不變矩和角點數(shù)量組成特征向量輸入經(jīng)過訓練的BP神經(jīng)網(wǎng)絡，BP神經(jīng)網(wǎng)絡判斷這幅小圖像是否為一輛車輛，如果是則輸出“1”，否則輸出“0”;最后，通過計算，就得出了大圖