基于交通視頻的車輛檢測(cè)與研究.pdf

1、由于國(guó)民經(jīng)濟(jì)的增長(zhǎng)，國(guó)內(nèi)的交通壓力日益增大，智能交通成為當(dāng)今交通工程領(lǐng)域研究的熱點(diǎn)。而隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，計(jì)算機(jī)視覺(jué)的應(yīng)用價(jià)值越來(lái)越大，成為智能交通研究的主要方向。計(jì)算機(jī)視覺(jué)技術(shù)被用于視頻監(jiān)控系統(tǒng)，可以完成對(duì)交通圖像的實(shí)時(shí)處理與信息挖掘，有助于車輛導(dǎo)航與交通管理。
　　本文研究?jī)?nèi)容包括車流量的統(tǒng)計(jì)、車輛類型的檢測(cè)與車輛大小的分級(jí)。車流量統(tǒng)計(jì)會(huì)受到粘連車輛的影響，目前的解決方法是通過(guò)視頻跟蹤來(lái)識(shí)別粘連車輛，這要求車輛之間有明顯

2、的相對(duì)運(yùn)動(dòng)，最近研究提出了形態(tài)學(xué)分離粘連目標(biāo)的方法，但粘連面積過(guò)大的車輛無(wú)法分離，本文提出了基于紋理特征的粘連車輛識(shí)別方法，首先提取出車輛輪廓線圖，然后利用灰度分布特性計(jì)算圖像各局部區(qū)域的紋理特征參數(shù)，再通過(guò)一系列修正算法，完成粘連車輛的識(shí)別與判斷;車輛類型檢測(cè)目前通過(guò)車牌識(shí)別實(shí)現(xiàn)，這對(duì)檢測(cè)距離和圖像的清晰度要求很高，不能完成對(duì)大量交通流的分類統(tǒng)計(jì)工作，本文設(shè)計(jì)了車輛類型檢測(cè)算法，采用基于傅里葉描述子的方法提取出各種車型的基準(zhǔn)特征向量，

3、生成圖像庫(kù)，車輛類型檢測(cè)通過(guò)圖像庫(kù)模板匹配來(lái)實(shí)現(xiàn);車輛大小分級(jí)是無(wú)人收費(fèi)站對(duì)車輛進(jìn)行收費(fèi)的參考指標(biāo)，但目前收費(fèi)站通過(guò)車載收發(fā)機(jī)完成自動(dòng)收費(fèi)，容易誤檢，本文利用積分思想建立了收費(fèi)站車道的空間模型，并根據(jù)視差原理設(shè)計(jì)了誤差修正算法，能夠計(jì)算出車長(zhǎng)與車寬，實(shí)現(xiàn)了對(duì)車輛大小的檢測(cè)與分級(jí)。
　　本文用VC、MATLAB等軟件對(duì)車輛的檢測(cè)算法進(jìn)行了實(shí)驗(yàn)仿真，仿真結(jié)果表明:基于傅里葉描述子的檢測(cè)算法能夠很好地適應(yīng)車輛目標(biāo)的平移與翻轉(zhuǎn)，通過(guò)將被檢