基于視覺的交通車流量統(tǒng)計.pdf

1、隨著生活水平的提高，車輛數(shù)量日益增大造成交通堵塞、交通意外事故和車輛廢氣對空氣的污染等交通問題。智能交通系統(tǒng)充分的利用現(xiàn)有的交通基礎設施，結合不同學科對交通進行管理，有效地緩解了交通壓力。車流量統(tǒng)計為智能交通系統(tǒng)提供基礎決策數(shù)據(jù)，有助于交通管理部門對交通進行優(yōu)化調度，有助于駕駛員更好的選擇出行路線，城市規(guī)劃者可以根據(jù)車流量參數(shù)做出對道路是否進行加寬的規(guī)劃，因此交通車流量統(tǒng)計的研究具有十分重要的理論意義及潛在的應用價值。
　　本文面

2、向路測系統(tǒng)的電子監(jiān)控，研究基于視覺的交通車流量統(tǒng)計，主要研究內容包括：運動目標檢測和車輛統(tǒng)計。提出在HSV顏色空間下利用RPCA的運動目標檢測算法，設計基于雙虛擬檢測線的車輛統(tǒng)計方法，提高了運動目標檢測以及車輛計數(shù)的準確性和魯棒性，為智能交通系統(tǒng)提供了準確可靠的交通車流量參數(shù)。主要創(chuàng)新點如下：
　　1、針對基于灰度信息的運動目標檢測存在陰影識別能力差、檢測精度低等問題，提出在 HSV顏色空間下基于低秩矩陣分解的運動目標檢測算法，分

3、別對視頻序列中的H、S、V三個分量構建觀測矩陣，建立RPCA模型，通過低秩矩陣優(yōu)化，得到三個分量的低秩部分和稀疏部分，初步得到運動車輛；對運動車輛進行噪聲去除和空洞的填充，得到準確的前景運動車輛。實驗驗證表明，與其它方法相比，能夠有效地去除陰影，可以提高運動車輛檢測的準確性。
　　2、深入研究常用的兩類車輛統(tǒng)計方法：目標跟蹤法和虛擬線圈法，提出基于雙虛擬檢測線的車輛統(tǒng)計方法，設置雙虛擬檢測線形成虛擬檢測區(qū)域，對檢測區(qū)域中的車輛信息