高速公路視頻測速中的距離自動標(biāo)定與測距關(guān)鍵技術(shù)研究.pdf

1、車速檢測是現(xiàn)代交通運(yùn)營和安全管理中必要的支撐手段。傳統(tǒng)的車速檢測方法需要配置專門的測速設(shè)備，價格昂貴且維護(hù)成本較高。目前，作為基本的監(jiān)控手段，高速公路已安裝大量的視頻監(jiān)控裝置，而視頻檢測技術(shù)由于具有信息量大、安裝維護(hù)方便等優(yōu)點，是未來車輛速度檢測領(lǐng)域的發(fā)展方向?，F(xiàn)有的視頻測速算法由于檢測精度不高或可實施性較差，難以滿足高速公路視頻測速的需求。因此，深入研究基于視頻的高速公路車輛速度檢測技術(shù)具有重要的理論和實際意義。
　　本文針對高

2、速公路場景下的視頻測速方法深入研究，在深入分析視頻測速技術(shù)的問題和難點后，重點研究了基于車道線信息的圖像距離自動標(biāo)定及距離檢測技術(shù)，其中距離檢測技術(shù)又分為車輛目標(biāo)提取以及車輛角點特征檢測與匹配兩個部分，最終形成了一套基于視頻的高速公路車速檢測方法。
　　在距離自動標(biāo)定方面，針對影響車道線檢測的噪聲，選擇了中值濾波進(jìn)行去噪處理；進(jìn)而采用Canny邊緣檢測及Hough變換方法提取車道邊緣線，并提出了一種自校正二值化閾值算法提取車道虛線

3、；最后利用車道線信息實現(xiàn)車道區(qū)域自動提取并完成圖像距離自動標(biāo)定。實驗表明，本文的圖像距離標(biāo)定方法可以將標(biāo)定誤差控制在6.5％以內(nèi)，為后續(xù)的車速計算奠定良好基礎(chǔ)。
　　在車輛目標(biāo)提取方面，首先建立了非參數(shù)核密度估計背景模型，然后針對高速公路場景特點，給出了光線突變和漸變條件下的背景更新方案。在此基礎(chǔ)上，結(jié)合形態(tài)學(xué)去噪與連通域分析方法剔除了背景差分圖像中的干擾信息；進(jìn)而，針對可能出現(xiàn)的車輛分裂及融合問題，提出了一種結(jié)合車道信息及車輛外

4、接矩形的車身區(qū)域提取方法。實驗結(jié)果表明，上述方法較好的實現(xiàn)了車輛目標(biāo)提取。
　　在車輛角點特征檢測與匹配方面，針對SUSAN算法易漏檢部分角點的缺陷，提出了一種融合USAN分布信息的角點檢測優(yōu)化算法；進(jìn)而提出了一種結(jié)合車輛運(yùn)動矢量信息的角點粗匹配算法，并選擇松弛迭代算法完成角點的精匹配實現(xiàn)車輛測距。實驗結(jié)果表明，本文的檢測與匹配算法在增加了角點匹配成功率的同時降低了算法運(yùn)算開銷。
　　最后，結(jié)合本文提出的車速檢測算法，利用重