基于圖像處理技術(shù)和支持向量機的交通量檢測方法研究.pdf

1、智能交通系統(tǒng)(ITS)目前是一個非?；钴S的研究領(lǐng)域。ITS的應(yīng)用需要大量的交通數(shù)據(jù)，而車輛檢測是獲取交通數(shù)據(jù)的關(guān)鍵。傳統(tǒng)的車輛檢測方法主要有電磁感應(yīng)環(huán)形線圈式車輛檢測器和雷達波檢測器、紅外線檢測器及超聲波檢測器等波式檢測器。但使用“磁”或“波”檢測的方法均不能提供全面的交通信息，這將影響ITS的應(yīng)用效果。近年來，視頻檢測技術(shù)因其具有較多的優(yōu)點而得到了迅速發(fā)展。視頻檢測系統(tǒng)安裝維護方便，無須破壞路面，也不會中斷交通運行，檢測范圍大，功能全

2、面，能獲得常規(guī)檢測器很難獲得的車輛尺寸、車型等重要交通參數(shù)。因此，視頻檢測系統(tǒng)具有廣闊的應(yīng)用前景。 支持向量機(Support Vector Machine，簡稱SVM)是一類新型機器學(xué)習(xí)方法，由于其出色的學(xué)習(xí)性能，該技術(shù)已成為當(dāng)前國際機器學(xué)習(xí)界的研究熱點，并在很多領(lǐng)域中得到了成功的應(yīng)用，目前仍處于不斷發(fā)展階段。本系統(tǒng)的車輛自動分類方法就是基于SVM理論的，是SVM在新的應(yīng)用領(lǐng)域的一個探索。 本文的主要工作和結(jié)果如下：

3、 (1)本文考慮到Windows系統(tǒng)中普通定時器資源在開發(fā)大型應(yīng)用程序中存在的不足，以及多媒體定時器在克服這些不足時的優(yōu)點，在本系統(tǒng)中使用了多媒體定時器。由于多媒體定時器的精度可達到1ms，并且優(yōu)先級很高，從而保證了數(shù)據(jù)采集的實時性和時間的準(zhǔn)確度。 (2)本系統(tǒng)根據(jù)小孔成像原理以及攝像機的安裝情況，實現(xiàn)了攝像機的標(biāo)定和車輛特征數(shù)據(jù)的計算，建立的圖像上點的象素級坐標(biāo)和實際物體點的坐標(biāo)之間的對應(yīng)關(guān)系簡單明了。 (3

4、)本文提出了一種行列快速掃描法來提取車輛特征。算法的基本原理是在AOI區(qū)域內(nèi)先通過行掃描得出所有檢測到的目標(biāo)的寬度，將最大的寬度確定為檢測車輛的寬度。考慮到物體只要連續(xù)的行上有黑色象素，那么就可以認(rèn)定是一個物體上的，當(dāng)出現(xiàn)整行的白色象素時才認(rèn)為后面搜索的象素屬于另外的物體，因此在已經(jīng)確定的寬度區(qū)域內(nèi)將滿足搜索條件的最大的行數(shù)確定為車輛的長度。整個搜索過程采用隔點搜索的方法進行，大大提高了系統(tǒng)的實時性。同時實驗結(jié)果表明：該算法對于車體部

5、分組成區(qū)域和路面的灰度值幾乎相等的情況，依然能夠獲得準(zhǔn)確的特征值。 (4)本文將支持向量機理論成功地應(yīng)用到交通車輛自動分類系統(tǒng)，并與常用的基于神經(jīng)網(wǎng)絡(luò)的車輛分類方法作了比較，結(jié)果表明：SVM方法識別正確率達96﹪，比其它方法具有更優(yōu)的性能。 (5)在車流量方面，通過設(shè)置兩個布爾變量記錄檢測到目標(biāo)前后是否有車輛存在的方法，實現(xiàn)了車流量的精確記數(shù)。其思想是：只有當(dāng)檢測之前沒有車并且檢測之后有了車時，車流量才加1，這樣就避