基于视频的道路交通参数提取方法研究-控制科学与工程专业论文.docx

中文 中文摘要 重庆大 重庆大学硕士学位论文 I I PAGE PAGE VI 摘 要 由于经济的快速发展，各个城市的汽车拥有量不断增加，如何解决由此带来 的交通拥堵问题是一项刻不容缓的任务。目前交通管理部门在道路上安装的各种 传统交通检测器，由于其成本高、采集交通参数单一、精度低、检测范围小等缺 点，无法广泛地应用到交通控制管理中。利用现有的安装在各条道路上的监控摄 像头采集的交通视频，对这些视频采用计算机视觉技术进行处理和分析，自动获 取车流量、车速、车型、占道率等交通参数，进一步评判道路通行状态，这已经 成为智能交通系统（ITS）发展的一个重要方向。 本论文针对基于视频的交通参数采集系统中的车辆检测、车流量统计、车型 分类、道路通行状态评判等关键部分进行研究： 在车辆检测部分，介绍并分析了几种常见运动车辆检测方法，最后选择采用 EM 算法改进的 GMM 运动检测算法分割出运动车辆，实验证明该算法在各种户外 条件下都能很好的分割出运动车辆，且能够满足实时检测系统的要求。 针对复杂环境下车辆检测问题提出了相应的解决方法：通过在视频画面中设 置 ROI 区域，减小计算量，同时排除了非道路区域中扰动目标对后续跟踪处理的 干扰；采用一种融合边缘特征的阴影消除方法，解决了强光照射条件下移动阴影 影响车辆目标提取的问题；采用彩色图像直方图均衡化方法，在一定程度上增强 雨雾及光线不足条件下拍摄视频图像的对比度；采用了一种基于区域特性的遮挡 分割方法，解决车辆动态遮挡问题。 在车流量统计部分，采用基于 Kalman 滤波算法的跟踪方法来跟踪车辆，通过 Kalman 滤波器来预测下一帧中目标轨迹的位置，然后在该预测位置附近进行车辆 匹配，缩小搜索范围，提高匹配速度；针对跟踪过程中由于前景分割失败造成目 标跟踪失败的情况，对目标大小进行预测，更新运动模型，增强了跟踪算法的鲁 棒性，最后利用跟踪结果实现车流量的统计。 在车型分类部分，利用运动车辆检测的方法得到的二值车辆前景图像，提取 前景区域的重心位置、面积、轮廓周长、长宽比、紧密度等几何特征，形成特征 向量，采用 BP 神经网络设计车型分类器，对城市道路上的车辆进行分类。 在道路交通状态评判部分，针对可分割出运动车辆和无法分割出运动车辆两 种情况，提出了相应的交通状态评判方法。 关键词：交通参数提取，混合高斯模型，Kalman 滤波，车型分类，交通状态评判 英文摘 英文摘要 重庆大 重庆大学硕士学位论文 III III PAGE PAGE IV ABSTRACT The total number of vehicles is increasing in every city due to rapid economic development. As a result, it is a hard task to solve the problem traffic congestion brings. Currently, a variety of traditional traffic detectors have been installed in kinds of roads by the traffic management department. However, the traditional traffic detectors can’t be widely applied to traffic control management because of the their own shortcomings, such as high cost, monotonous traffic parameter gathered, low precision, little detection range. Nowadays, it has been an important development direction of Intelligent Transportation Systems (ITS) to use computer vision technology in processing and analyzing traffic videos from traffic surveillance cameras installed in the roads, in order to obtain parameters of traffic flow, traffic speed, vehicle types, traffic occupancy, etc. In this paper, some key technologies are studied in the