基于視頻分析的車流量檢測系統(tǒng)的研究與應用.pdf

1、近年來隨著經濟發(fā)展與社會進步，車輛的數(shù)量不斷增加，車流量也隨之不斷提高，對交通基礎設施建設、調度與管理造成了一定影響，人們在享受交通便利的同時，也面臨各種問題，需要建立完善的智能交通系統(tǒng)來適應發(fā)展的需要。車流量的自動識別與統(tǒng)計是智能交通系統(tǒng)實現(xiàn)智能調度管理的重要一環(huán)，車輛檢測與跟蹤技術是實現(xiàn)車流量檢測的關鍵技術。傳統(tǒng)的檢測方法不能適應時代發(fā)展的需要，而實時、高效的目標檢測與跟蹤方法研究一直是計算機視覺領域的研究熱點，計算機視覺技術用于運

2、動目標的檢測和跟蹤已成為重要的研究與發(fā)展方向，在智能交通中得到越來越廣泛的應用。
　　 本文主要研究計算機視覺技術應用于車流量檢測，主要工作包括運動車輛檢測與運動車輛跟蹤兩大部分。運動車輛檢測的目的是從圖像中去除真實背景以抽取車輛特征區(qū)域。本文采用了基于YUV彩色空間上色度分量的混合高斯背景建模及背景差分法相結合的目標檢測方法。通過實驗對比混合高斯背景建模所建背景質量較高，又研究了YUV彩色空間色度分量對陰影的抑制作用，首先利用

3、UV色度分量進行混合高斯背景建模及背景更新，使得在背景差分時就直接去除掉陰影，并減少了背景構建時的運算量。在提取出前景運動目標獲得運動目標區(qū)域后，采用形態(tài)學濾波和外接矩形提取算法來提取目標的外接矩形區(qū)域，外接矩形提取算法通過兩輪掃描對不屬于背景的對象進行標注，再根據(jù)對象的高度和寬度定義外接矩形。運動車輛跟蹤技術采用了卡爾曼濾波運動估計和多特征匹配相結合的方法?？柭鼮V波模型要經過預測和匹配更新兩個階段，采用車輛位置坐標作為預測參數(shù)，首先

4、預測目標位置，然后通過本文研究的車輛檢測方法獲取當前幀目標，最后將預測的結果與檢測的結果匹配并更新模型。在此過程中，通過模型初始化的次數(shù)判斷車流量。在進行目標匹配時采用了基于多特征的匹配方法，通過目標矩形的長寬及質心坐標屬性提取特征，再通過這些特征在圖像中進行匹配，實現(xiàn)對運動車輛的準確匹配。本文研發(fā)了一套基于車輛檢測與跟蹤技術的車流量識別與統(tǒng)計系統(tǒng)，并通過在高速公路上的實驗分析，取得了一定的成效，為智能交通提供了一種實時動態(tài)的交通流量信