智能交通系統(tǒng)中車輛提取與計數(shù)算法研究.pdf

1、伴隨著經(jīng)濟的快速發(fā)展，車輛迅速增多，交通壓力日益增大，如何改善交通狀況成為各國的重要問題。智能交通系統(tǒng)在這種背景下得以迅速發(fā)展，各國都投入很大的精力研究。基于視頻的智能交通系統(tǒng)由于其自身的眾多優(yōu)點，成為現(xiàn)在研究的熱點。車輛的提取技術(shù)是基于視頻的智能交通系統(tǒng)的基礎(chǔ)，它在交通監(jiān)視和控制中占有很重要的地位，直接影響到后續(xù)工作的難易程度和準(zhǔn)確度。本文針對目前車輛提取中存在的幾個難點問題分別進(jìn)行了研究。 1，本文采用基于RGB空間的背景抑

2、制方法來提取運動區(qū)域。通過本文提出的基于T分布的背景重建算法恢復(fù)出一幀不包含運動物體的背景圖像，在進(jìn)行車輛提取的同時對背景進(jìn)行更新，使得背景圖像能準(zhǔn)確反映外界環(huán)境的變化，為準(zhǔn)確提取運動車輛提供了保障。實驗結(jié)果表明：相比其它算法本文的算法可以提取更完整的運動區(qū)域。并且本文考慮到環(huán)境光線發(fā)生突變的情況，為了在這種情況下正確提取運動車輛，二值化差圖像時采用的閾值加上了灰度的平均變化。 2，提取的車輛區(qū)域包含陰影，會使車輛區(qū)域變大，距離

3、較近的車輛會被陰影粘連到一起。本文研究了陰影去除的兩種方法，分別是基于HSV空間的陰影去除方法和藍(lán)波段信息陰影去除算法。 3，車輛發(fā)生遮擋和粘連的情況下，準(zhǔn)確的提取每一輛車也是一大難點。本文嘗試用兩種方法去處理這個問題。一種是利用在LAB空間聚類的方法，此方法可以確定出區(qū)域中車輛數(shù)目，但是無法分割開每一輛車；另外對于一種常見的遮擋情況(本文定義為左右遮擋)，給出了判斷是否遮擋的依據(jù)，并通過分析發(fā)生遮擋的區(qū)域的形狀區(qū)分割開其中的每