交叉口車輛視頻檢測(cè)與場(chǎng)景三維復(fù)現(xiàn).pdf

1、智能交通系統(tǒng)(ITS)是當(dāng)今世界交通領(lǐng)域研究的熱點(diǎn)，計(jì)算機(jī)視覺技術(shù)在ITS中的應(yīng)用得到了國(guó)內(nèi)外的廣泛關(guān)注。交叉口是公路交通網(wǎng)的關(guān)鍵節(jié)點(diǎn)，交叉口處的車流參數(shù)檢測(cè)和控制算法的性能評(píng)份具有重要意義。鑒于此，本文主要針對(duì)城市單交叉口研究了運(yùn)動(dòng)車輛的視頻檢測(cè)和場(chǎng)景的三維復(fù)現(xiàn)，旨在探討基于視頻的車輛參數(shù)檢測(cè)方法并構(gòu)建一個(gè)三維的數(shù)字化虛擬場(chǎng)景平臺(tái)，為交叉口控制算法的性能評(píng)估及其它相關(guān)研究提供一個(gè)直觀的支持環(huán)境。論文主要內(nèi)容如下：
　　 首先研

2、究了交通攝像機(jī)的標(biāo)定問題。精確的攝像機(jī)標(biāo)定能夠?yàn)楹罄^步驟中通過二維圖像求解實(shí)際交通參數(shù)并由此進(jìn)行的車型識(shí)別提供精度保障。為提高標(biāo)定精度，論文對(duì)交通圖像進(jìn)行了必要的預(yù)處理操作，并從實(shí)用角度出發(fā)設(shè)計(jì)了一種基于斑馬線的攝像機(jī)在線自動(dòng)標(biāo)定方法，通過自動(dòng)提取一條完整的斑馬單線來獲取它的四個(gè)外頂點(diǎn)坐標(biāo)，在此基礎(chǔ)上充分利用斑馬線長(zhǎng)度和寬度固定可知的事實(shí)來完成路面與像平面間的單應(yīng)性矩陣求解。
　　 其次研究了視頻序列中的多運(yùn)動(dòng)車輛檢測(cè)與活動(dòng)陰影

3、消除。綜合分析了背景差分技術(shù)和幀間差分技術(shù)的優(yōu)缺點(diǎn)，設(shè)計(jì)了一種基于改進(jìn)幀差法的多目標(biāo)檢測(cè)與背景重建算法，實(shí)現(xiàn)了運(yùn)動(dòng)車輛的完整提??；提出了一種具有柔性特征的動(dòng)態(tài)窗口紋理分析算法并基于圖像局部紋理相似性原理完成了目標(biāo)的活動(dòng)陰影消除，減少了陰影所造成的檢測(cè)誤差。
　　 然后研究了運(yùn)動(dòng)車輛的跟蹤分析與車型識(shí)別。在對(duì)現(xiàn)有的主要跟蹤方法進(jìn)行分析的基礎(chǔ)上，基于灰色預(yù)測(cè)模型GM(1,1)和區(qū)域多特征聯(lián)合匹配實(shí)現(xiàn)了車輛跟蹤；提出了一種基于模糊推理

4、的車型分類方法，構(gòu)造了車輛的“形狀投影量”參數(shù)并根據(jù)車輛投影長(zhǎng)度及形狀投影量完成了車型的分類，為后繼的參數(shù)提取和場(chǎng)景復(fù)現(xiàn)奠定了基礎(chǔ)。
　　 最后對(duì)前述系列算法進(jìn)行了整合實(shí)驗(yàn)并研究了交通參數(shù)的提取和場(chǎng)景的三維復(fù)現(xiàn)。整合實(shí)驗(yàn)中以采集于某交叉口的1175幀視頻為素材進(jìn)行了車輛檢測(cè)分析，得到了車流及場(chǎng)景的系列參數(shù)，為后繼復(fù)現(xiàn)提供了數(shù)據(jù)支撐。實(shí)驗(yàn)結(jié)果表明，算法的檢測(cè)精度達(dá)90.2％，誤檢率為5.88％，漏檢率為3.92％。最后采用VC++