基于機器視覺的高速公路車流量統(tǒng)計研究.pdf

1、在現(xiàn)代社會公路運載要求愈來愈大的情況下,交通擁擠、堵塞現(xiàn)象已成為阻礙社會發(fā)展的一大癥結。智能交通系統(tǒng)(ITS)在緩解交通擁擠、提高交通效率等方面有著顯著的作用,因此成為近些年研究的熱點。車流量是其中最為重要的統(tǒng)計數(shù)據之一,準確的車流量數(shù)據是實現(xiàn)智能交通管理的基礎。車流量統(tǒng)計主要研究的是利用機器視覺技術對公路場景中的視頻圖像進行分析和處理,從而實現(xiàn)對運動車輛進行統(tǒng)計和車型判定,為ITS提供必要的交通監(jiān)管數(shù)據。
　　車流量統(tǒng)計是以快速

2、、準確地從實時監(jiān)控視頻中提取車輛統(tǒng)計信息技術為核心。由于同一場景內可能包含多輛運動車輛,因而需要對運動目標(車輛)進行去噪、檢測、復原、跟蹤。針對以上問題,本論文的主要工作和取得的成果如下:
　　(一)建立了自適應中值濾波去噪算法。分析比較了幾種圖像去噪的的方法,將中值濾波去噪作為基礎方法,根據噪聲點與邊緣的像素特征的不同提出了一種改進的自適應中值濾波算法,能夠在去除噪聲的同時較好地保留車身細節(jié)部分。
　　(二)建立了運動目

3、標的精確檢測算法。分析比較了三種常用的運動檢測方法,并將基于背景差的目標檢測方法作為本文的目標檢測方法;應用高斯混合模型對背景進行自適應重建和更新,并提出了合理的改進;針對車輛陰影導致的目標識別誤差,提出了一種基于陰影灰度漸變性一致的運動車輛陰影去除算法,該算法首先通過水平與豎直梯度提取出陰影與車身輪廓響度跳變點,然后以跳變點處像素密度作為特征進行陰影與車身分類,本文算法能夠更快速準確地提取運動目標區(qū)域。
　　(三)提出了基于峰值

4、信噪比評價的運動模糊圖像復原算法。針對高速運動圖像經常出現(xiàn)的運動模糊現(xiàn)象,根據成像系統(tǒng)的特性,使用頻譜分析方法初步檢測出運動模糊方向和長度值,以 PSNR(峰值信噪比)作為復原評價指標修正初始頻譜識別參數(shù)的誤差,可以得到精確的運動參數(shù),進而對模糊圖像進行較好地復原。
　　(四)改進了適應于公路運動目標的快速跟蹤算法,在進行精確的目標提取后,基于視頻序列中相鄰兩幀之間的目標所移動距離小于該目標與其它目標之間距離的假設,采用距離信息為