基于MeanShift跟蹤算法的交通流檢測(cè)系統(tǒng)研究.pdf

1、當(dāng)今世界經(jīng)濟(jì)發(fā)展迅速，人們生活水平逐漸提高，嚴(yán)峻的交通問(wèn)題也伴隨而來(lái)。不論在國(guó)外還是在國(guó)內(nèi)，交通擁擠、交通阻塞已經(jīng)成為影響城市居民正常生活的關(guān)鍵因素。為了改善交通環(huán)境問(wèn)題，國(guó)家政府投資興修道路，加快基礎(chǔ)交通建設(shè)，但收效甚微。近些年來(lái)，隨著計(jì)算機(jī)技術(shù)的提高智能交通技術(shù)逐漸嶄露頭角，為惡劣的交通環(huán)境的治理帶來(lái)了曙光。智能交通系統(tǒng)已經(jīng)在一些發(fā)達(dá)國(guó)家得到了廣泛使用，并且收到了良好的效果，從而成為了目前解決交通環(huán)境問(wèn)題的最佳方案。
　　

2、智能交通系統(tǒng)主要通過(guò)分析接收到的交通流檢測(cè)系統(tǒng)反饋的實(shí)時(shí)交通信息，來(lái)做出合理的調(diào)度策略，優(yōu)化交通環(huán)境。交通流檢測(cè)系統(tǒng)是智能交通系統(tǒng)中關(guān)鍵的環(huán)節(jié)，它直接決定了智能交通系統(tǒng)最終的調(diào)度策略。因此，本文致力于仔細(xì)研究交通流檢測(cè)系統(tǒng)，調(diào)研分析該系統(tǒng)中使用的關(guān)鍵技術(shù)，努力提高其效率，為交通流檢測(cè)技術(shù)和智能交通技術(shù)的實(shí)現(xiàn)積累經(jīng)驗(yàn)。
　　 交通流檢測(cè)系統(tǒng)大體可分為五個(gè)部分：視頻采集、背景提取、車輛檢測(cè)、車輛跟蹤、交通流參數(shù)檢測(cè)，本文對(duì)這五部分做

3、了詳細(xì)的介紹，并分析比較了各部分中常用的技術(shù)方法。
　　 第二章主要介紹了背景提取技術(shù)、車輛檢測(cè)技術(shù)、車輛跟蹤技術(shù)等交通流檢測(cè)系統(tǒng)中的關(guān)鍵技術(shù)，并給出了部分技術(shù)的具體實(shí)現(xiàn)流程和實(shí)際使用效果。
　　 第三章首先簡(jiǎn)單描述了傳統(tǒng)均值濾波背景提取技術(shù)的算法流程，并通過(guò)實(shí)驗(yàn)分析了其優(yōu)缺點(diǎn)。傳統(tǒng)均值濾波背景提取算法簡(jiǎn)單易用，但在處理車流量較大的視頻流圖像時(shí)算法的效果很差。鑒于此本文提出了一種改進(jìn)的均值濾波背景提取算法，該算法對(duì)視頻流

4、圖像按照一定的準(zhǔn)則進(jìn)行篩選，從而只統(tǒng)計(jì)被判定為背景的圖像，最后對(duì)它們疊加求均值得到背景圖像。在對(duì)改進(jìn)算法的試驗(yàn)中可以看出，該算法克服了傳統(tǒng)算法的缺點(diǎn)，能夠較好的適應(yīng)車流量大的情況。
　　 第四章對(duì)Mean Shift跟蹤算法做了詳細(xì)研究，分析了該算法的優(yōu)缺點(diǎn)及其在交通流檢測(cè)系統(tǒng)中應(yīng)用的可能性。在目標(biāo)跟蹤領(lǐng)域Mean Shift跟蹤算法以其無(wú)參性和強(qiáng)魯棒性越來(lái)越受到研究人員的重視，但是傳統(tǒng)的Mean Shift跟蹤算法計(jì)算復(fù)雜度高

5、，難以實(shí)現(xiàn)交通流檢測(cè)系統(tǒng)中多目標(biāo)實(shí)時(shí)跟蹤的需求。因此本文提出了一種基于線性預(yù)測(cè)的Mean Shift跟蹤算法，該算法在原有算法的基礎(chǔ)上通過(guò)線性預(yù)測(cè)技術(shù)使其運(yùn)行效率提高了一倍。針對(duì)傳統(tǒng)Mean Shift跟蹤算法核帶寬不變的缺點(diǎn)，本文還提出了一種核帶寬自適應(yīng)更新機(jī)制，它利用交通車輛的色彩信息判定車輛的當(dāng)前行駛狀態(tài)，實(shí)驗(yàn)結(jié)果比較理想。
　　 最后給出了交通流檢測(cè)系統(tǒng)的軟件設(shè)計(jì)，在軟件設(shè)計(jì)中綜合使用了當(dāng)前的主流技術(shù)和文章中提出的新方法