基于視頻檢測技術(shù)的智能隧道交通安全監(jiān)控系統(tǒng).pdf

1、由于隧道結(jié)構(gòu)封閉復雜,確保隧道內(nèi)部交通安全顯得尤為重要。隧道實時交通安全監(jiān)控系統(tǒng)是確保隧道安全運營的重要手段。近年來,智能交通系統(tǒng)的發(fā)展,帶動了視頻檢測技術(shù)前所未有的發(fā)展。基于視頻檢測技術(shù)的智能隧道交通安全監(jiān)控系統(tǒng)相對于傳統(tǒng)的隧道安全監(jiān)控系統(tǒng)有著無法比擬的優(yōu)勢。將視頻檢測技術(shù)應用到隧道交通安全監(jiān)控具有重要的現(xiàn)實意義。
　　 運動目標的檢測,定位和跟蹤是視頻檢測的關(guān)鍵技術(shù),本文的研究重點是針對隧道這種特殊應用場景對這幾個關(guān)鍵技術(shù)進

2、行理論分析和實驗研究,在此基礎(chǔ)上完成基于視頻檢測技術(shù)的智能隧道交通安全監(jiān)控系統(tǒng)的開發(fā)。論文的主要工作如下:
　　 (1)運動目標檢測和車輛定位算法的選擇和實驗研究。深入研究比較了現(xiàn)有的各種運動目標檢測和定位算法,針對隧道應用中光照復雜多變的特點,選擇基于差異深度積累的目標檢測算法,該方法在背景建模過程中引入差異深度矩陣來記錄圖像的變化,從而可以達到區(qū)分噪聲和真正的運動目標的效果,進而可以基本消除噪聲的影響。實驗結(jié)果表明,利用差異

3、深度積累背景建模方法建立的背景干凈、準確,且抗干擾能力強,基于差異深度積累的目標檢測算法可獲得準確的檢測結(jié)果.由于分水嶺分割算法能得到閉合的區(qū)域輪廓,而且具有計算負擔小、分割精度高的優(yōu)點,選擇分水嶺算法實現(xiàn)車輛定位。
　　 (2)運動目標的跟蹤問題是典型的動態(tài)系統(tǒng)狀態(tài)估計問題,在模型滿足高斯線性條件下,卡爾曼濾波是跟蹤問題的最優(yōu)解。本文在綜合分析了現(xiàn)有的運動目標跟蹤算法基礎(chǔ)上,針對隧道應用場景,提出了基于二級特征匹配的卡爾曼濾波

4、跟蹤算法,二級特征匹配即基于目標區(qū)域的幾何特征和核直方圖特征的匹配.二級特征匹配將運動目標的特征匹配過程分為兩級,首先對目標區(qū)域作幾何特征匹配,如能找到最佳匹配則無需做下一級匹配；如果幾何特征匹配結(jié)果不唯一,則繼續(xù)做核直方圖匹配。這樣在保證跟蹤結(jié)果的準確性同時又減少了計算量。實驗結(jié)果表明,該算法能有效地實現(xiàn)多運動目標的跟蹤,且計算量較小,實時性好。
　　 (3)最后,本文在前述的視頻檢測技術(shù)基礎(chǔ)上,設(shè)計實現(xiàn)了基于視頻檢測技術(shù)的智