城市交通系統(tǒng)中行人交通視頻檢測的理論與方法.pdf

1、交通是國民經(jīng)濟(jì)的命脈。而當(dāng)前,我國主要運(yùn)輸裝備及核心技術(shù)水平與世界先進(jìn)水平存在較大差距,運(yùn)輸供給能力不足,綜合交通體系建設(shè)滯后,各種交通方式缺乏綜合協(xié)調(diào),交通能源消耗與環(huán)境污染問題嚴(yán)峻。交通問題已成為制約經(jīng)濟(jì)社會(huì)發(fā)展的主要瓶頸,嚴(yán)重影響基礎(chǔ)設(shè)施的運(yùn)轉(zhuǎn)效率?！秶抑虚L期科技發(fā)展規(guī)劃綱要(2006—2020)》明確指出交通科技面臨的挑戰(zhàn),提出優(yōu)先發(fā)展智能交通系統(tǒng)的戰(zhàn)略決策。
　　 智能交通系統(tǒng)合考慮人、車、路與環(huán)境之間的關(guān)系,對(duì)傳統(tǒng)

2、交通系統(tǒng)進(jìn)行信息化、智能化、網(wǎng)絡(luò)化和集成化改造,提高交通系統(tǒng)的機(jī)動(dòng)性、可達(dá)性、安全性和經(jīng)濟(jì)性,已成為解決城市擁堵問題,提高交通運(yùn)輸效率的重要途徑。將計(jì)算機(jī)視覺技術(shù)應(yīng)用于交通數(shù)據(jù)采集領(lǐng)域是智能交通系統(tǒng)的一個(gè)重要課題。視頻檢測方法是交通數(shù)據(jù)采集的重要手段,相對(duì)于傳統(tǒng)的檢測方法,它不僅安裝使用靈活,維護(hù)成本低,而且能夠提供更大范圍的監(jiān)控信息和更豐富的多維交通信息。發(fā)達(dá)國家在交通視頻檢測方面進(jìn)行了大量的研究,但大多只考慮機(jī)動(dòng)車的影響,不適合我國

3、機(jī)動(dòng)車、非機(jī)動(dòng)車和行人的混合交通環(huán)境。我國的城市交通具有混合、低速、高密度的運(yùn)行特征,行人是交通系統(tǒng)的主要參與者,保障行人安全和減少其對(duì)機(jī)動(dòng)車的干擾是城市交通系統(tǒng)安全運(yùn)行的重要前提?，F(xiàn)有的視頻檢測方法不能有效獲得實(shí)時(shí)行人交通數(shù)據(jù),難以分析和判斷行人交通的運(yùn)行規(guī)律及其對(duì)機(jī)動(dòng)車的干擾,從而不能對(duì)城市道路交通進(jìn)行有效地組織和控制,不利于解決我國城市特有的交通問題。在此背景下,我國在行人檢測領(lǐng)域的研究逐步展開,并展現(xiàn)出良好的應(yīng)用前景。
　

4、　 本論文以行人的交通特征為理論依據(jù),以計(jì)算機(jī)視覺和模式識(shí)別為主要技術(shù)手段,提出了若干行人交通的檢測理論與方法,并用實(shí)際交通視頻對(duì)這些理論和方法進(jìn)行了驗(yàn)證,分析了系統(tǒng)運(yùn)行結(jié)果的可靠性,為實(shí)際應(yīng)用奠定基礎(chǔ)。
　　 本論文的主要?jiǎng)?chuàng)新性成果如下:
　　 1、針對(duì)不同的攝像機(jī)架設(shè)情況,通過分析視頻流特征,提出相應(yīng)的行人流量檢測方法。報(bào)據(jù)交通研究的需要,建立行人交通參數(shù)檢測方法,可以提取行人的步行速度、啟動(dòng)時(shí)間和加速度等基本的行

5、人交通特征。
　　 2、根據(jù)攝像機(jī)傾斜架設(shè)情況下的視頻流特征,提出基于運(yùn)動(dòng)的行人流量檢測方法。在運(yùn)動(dòng)目標(biāo)檢測階段,從背景估計(jì)和前景分割兩方面改進(jìn)傳統(tǒng)的混合高斯模型,使模型可以檢測到由于交通沖突而靜止的目標(biāo),提高了系統(tǒng)的魯棒性。在陰影消除階段,采用HSV顏色空間模型和基于形態(tài)學(xué)的目標(biāo)重構(gòu)方法去除運(yùn)動(dòng)前景中的陰影。在運(yùn)動(dòng)跟蹤階段,采用Kalman濾波預(yù)測行人的可能位置,縮小了目標(biāo)的搜索范圍,提高了系統(tǒng)的運(yùn)行效率。在目標(biāo)識(shí)別階段,采用

6、BP神經(jīng)網(wǎng)絡(luò)進(jìn)行交通個(gè)體分類,統(tǒng)計(jì)行人流量。
　　 3、根據(jù)攝像機(jī)垂直架設(shè)情況下的視頻流特征,提出基于人頭的行人流量檢測方法。在人頭檢測階段,采用基于頭發(fā)和膚色的混合顏色模型,分割圖像,得到候選人頭區(qū)域。采用Canny算法在候選人頭區(qū)域提取邊緣像素點(diǎn),得到目標(biāo)輪廓。采用Hough變換在得到的目標(biāo)輪廓中進(jìn)行圓環(huán)檢測來定位人頭。根據(jù)設(shè)定閾值進(jìn)行判斷,最后確定人頭。在匹配計(jì)數(shù)階段,根據(jù)人頭的壓線情況,進(jìn)行運(yùn)動(dòng)和形狀匹配,統(tǒng)計(jì)行人流量。