基于視頻的車流量檢測方法研究.pdf

1、學(xué)位論文題目叁王墊塑鮑主速量撿塑!!壅洼塑寇英文題目Resear～chonVideobasedVehicleFlowMeasurement研究生姓名揚紅霞指導(dǎo)教師姓名堂盍塞職稱塾撞學(xué)位塑430070申請學(xué)位級別亟學(xué)科專業(yè)名稱墊王堡途魚塹墊盔論文提交日期2Q!!生月論文答辯日期2Q!!：5：2墨學(xué)位授予單位盍叢壟墨盤堂學(xué)位授予日期2Q!!生且答辯委員會主席胡苤強教援評閱人翅苤強塾援儉垡主教援2011年5月要測器相比具有很大的優(yōu)勢，是智能交

2、通外研究的熱點。其優(yōu)點在于安裝簡單、覆蓋面廣等，并且能夠提供豐富的交通道路的充分利用，為道路智能化信息管來道路設(shè)計、道路交通規(guī)劃建設(shè)、道路科學(xué)規(guī)劃道路交通發(fā)展布局。頻中的車流進(jìn)行處理，獲得某時段通過的車輛數(shù)，為智能交通系統(tǒng)后續(xù)處理提供數(shù)據(jù)基礎(chǔ)。基于視頻的車流量檢測過程主要涉及到運動車輛的檢測、跟蹤以及車輛的計數(shù)三個階段。本文主要研究了以下內(nèi)容：在運動車輛檢測階段，本文利用固定分布的混合高斯模型進(jìn)行背景重構(gòu)，通過對視頻序列中每一像素點建模

3、，獲得運動前景區(qū)域。在背景提取過程中，本文采用了啟發(fā)式搜索背景方法，該方法對運動車輛的準(zhǔn)確提取具有較好的魯棒性；之后對提取的Ij『景目標(biāo)區(qū)域中的陰影進(jìn)行去除并利用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行去噪處理。在運動車輛跟蹤階段，在交通場景中，針對單個的Meanshift跟蹤在車輛遮擋或速度過快情況下，跟蹤效果較差，本文提出一種將Meanshift和Kalman濾波器結(jié)合的方法，加入了車輛的預(yù)測。首先對Meanshiff跟蹤的結(jié)果進(jìn)行評分，若利用Means

4、hift跟蹤效果良好，則Kalman濾波器對跟蹤進(jìn)行平滑，若Meanshift跟蹤效果不好，則啟動Kalman濾波器進(jìn)行下一步狀態(tài)的預(yù)測。提高了跟蹤的準(zhǔn)確性，具有良好的抗干擾能力。在車輛檢測和跟蹤的基礎(chǔ)上，本文研究了利用跟蹤的方法進(jìn)行車流量的統(tǒng)計。在檢測區(qū)域內(nèi)跟蹤車輛，并為相應(yīng)跟蹤車輛設(shè)置頻率數(shù)組，根據(jù)車輛出現(xiàn)頻率判斷是否將其計入車流量中。實驗結(jié)果表明，本文提出車流量檢測方法可行，并有效提高其檢測的準(zhǔn)確率。關(guān)鍵詞：智能交通，車流量，混合