智能交通系統(tǒng)中交通信息檢測關(guān)鍵技術(shù)研究.pdf

1、電子科學(xué)、計(jì)算機(jī)視覺理論和技術(shù)已成為智能交通系統(tǒng)中交通監(jiān)控與交通管理領(lǐng)域的核心。與此同時(shí)，諸如車輛檢測、車道檢測、車速估計(jì)、車型分類和車輛跟蹤等交通信息檢測技術(shù)逐步成為智能交通領(lǐng)域中的基礎(chǔ)研究課題。本文利用視頻處理技術(shù)，以固定攝像機(jī)采集的交通流視頻為處理對(duì)象，對(duì)交通信息檢測中的一些關(guān)鍵技術(shù)進(jìn)行了探索和研究，提出了新的技術(shù)路線，同時(shí)在實(shí)驗(yàn)中驗(yàn)證了算法的有效性。本文的主要研究內(nèi)容和學(xué)術(shù)貢獻(xiàn)有以下幾個(gè)方面：
　　首先，針對(duì)目前交通視頻序

2、列中動(dòng)態(tài)背景區(qū)域?qū)\(yùn)動(dòng)車輛檢測影響較大的問題，本文提出預(yù)先進(jìn)行場景分割的運(yùn)動(dòng)車輛檢測方法。該方法以動(dòng)態(tài)背景區(qū)域與運(yùn)動(dòng)前景區(qū)域的光流向量特征為基礎(chǔ)，首先進(jìn)行背景區(qū)域與前景區(qū)域的分割，在此基礎(chǔ)上分別對(duì)兩區(qū)域的像素點(diǎn)進(jìn)行背景建模，之后利用背景差分法提取運(yùn)動(dòng)車輛前景，最后利用HSV彩色空間下的陰影模型進(jìn)行陰影去除。該方法有效地解決了動(dòng)態(tài)背景區(qū)域?qū)\(yùn)動(dòng)車輛提取的影響，提高了車輛本身區(qū)域檢測的精度。
　　其次，在交通場景前景區(qū)域與背景區(qū)域分割

3、的基礎(chǔ)上，提出基于Hough變換與車輛前景累計(jì)圖相結(jié)合的車道檢測算法。算法將視頻場景中的車道檢測問題分為兩步，車道邊界線(即車道區(qū)域兩側(cè)的邊界)檢測與車道數(shù)目和分界線檢測。首先利用Hough變換檢測交通圖像中所有候選邊界直線，同時(shí)利用交通場景分割的結(jié)果粗略的估計(jì)出邊界線的大體位置，以此為基礎(chǔ)判定出候選直線中與道路邊界最為接近的直線作為道路區(qū)域邊界檢測結(jié)果。此后，提取車輛前景累計(jì)圖，利用車輛的行駛特征計(jì)算出視頻場景中道路區(qū)域的車道數(shù)目，同

4、時(shí)利用車道寬度一定的特性估計(jì)出車道分界線的位置，從而完成交通監(jiān)控場景中的車道檢測。
　　提出基于虛擬檢測線的交通流參數(shù)檢測方法，該方法可以利用車道檢測的結(jié)果進(jìn)行虛擬區(qū)域以及虛擬檢測線的自動(dòng)設(shè)置。設(shè)計(jì)了一種新的組合式虛擬檢測線，該檢測線由注冊(cè)線、測速線以及分界檢測線組成。利用亮度與三幀狀態(tài)相結(jié)合的檢測線觸發(fā)判定方法，有效地解決了車輛沿分界線行駛以及攝像機(jī)抖動(dòng)等情況對(duì)虛擬檢測線技術(shù)的影響。在此基礎(chǔ)上，利用注冊(cè)線與測速線完成了多車道場景

5、下的車速估計(jì)。同時(shí)利用注冊(cè)線判定車輛在圖像中的位置，以車輛離開注冊(cè)線的初始時(shí)刻在圖像中的位置為基準(zhǔn)，采用投影法提取車輛相對(duì)尺寸，并以此為基礎(chǔ)定義描述車輛的特征，最后利用支持向量機(jī)完成了大型車與小型車的分類。
　　最后本文研究了運(yùn)動(dòng)車輛跟蹤問題，針對(duì)傳統(tǒng)Mean Shift算法無法跟蹤被遮擋車輛的問題，將Kalman濾波融入到Mean Shift算法中。利用巴氏系數(shù)作為車輛是否被遮擋的判定條件，當(dāng)跟蹤車輛被遮擋時(shí)，利用Kalman濾