基于無人機視頻的交通參數(shù)提取技術研究.pdf

1、交通信息是交通運營和管理的基礎，更是智能交通系統(tǒng)(ITS)的基礎和保障，獲得全面、準確、實時的交通信息對交通運營、管理和智能交通系統(tǒng)應用效果起著非常重要的作用。無人機具有體積小，飛行靈活，檢測目標的空間范圍大等特點，與傳統(tǒng)的交通檢測技術相比，能夠采集的更多種類的交通信息，對交通管制和研究等工作具有重要的現(xiàn)實意義和應用價值。本文針對無人機拍攝的交通視頻，研究了適用于無人機視頻的車輛檢測和交通參數(shù)提取技術。本文的主要研究內(nèi)容如下:
　

2、　第一，本文歸納總結無人機的發(fā)展及其應用情況，分析了無人機交通信息采集的優(yōu)勢，對基于無人機視頻的交通算法和應用研究做了較詳細的歸納和總結，明確了本文的研究方向。同時闡述了圖像處理的相關基礎知識，簡要介紹和討論了幾種經(jīng)典的視頻車輛檢測算法、車輛跟蹤算法和評價指標。
　　第二，針對現(xiàn)有幀間差分法容易出現(xiàn)空洞的現(xiàn)象，和背景建模計算復雜，建模效果不佳的情況，提出了一種基于對稱差分的分塊建模算法。將對稱差分結果作為判斷背景像素或車輛像素的依

3、據(jù)，以塊為單元判斷像素屬性，若為背景則塊的像素值賦值給背景圖像中對應的塊，其中塊的尺寸根據(jù)車輛寬度確定。接著利用背景差分、閾值分割、形態(tài)學處理等圖像處理技術實現(xiàn)運動車輛的檢測。同時提出正檢率P正、重檢率P重、漏檢率P漏、錯檢率P錯4個評價指標來衡量算法性能。利用本文算法和對稱差分算法從無人機視頻中檢測運動車輛并進行對比。實驗結果表明本文算法對無人機視頻中的車輛正檢率達92.29％，并具有較高的穩(wěn)定性。
　　第三，在無人機視頻車輛檢

4、測的基礎上，提出從無人機視頻中提取交通密度和流量的方法。交通密度的提取首先是通過標定已知目標的長度獲得圖像像素與實際長度的比例從而獲得感興趣區(qū)內(nèi)道路的長度，再結合感興趣區(qū)內(nèi)檢測到的車輛數(shù)，最后通過K=(1000·N)/(L·η)計算交通密度。交通流量的統(tǒng)計是分析虛擬線圈中像素的數(shù)目的變化來判斷車輛是到達或是離開。
　　第四，利用CamShift算法和人工標注的方法獲取車輛軌跡。CamShifi算法通過計算目標車輛質(zhì)心坐標來代替車輛

5、坐標，連續(xù)幀的車輛坐標形成車輛的軌跡。輪廓和對角線標注方法是通過人工的方式選取圖像中車輛的頂點，分別通過4個頂點和2個頂點計算中心坐標來代替車輛坐標形成車輛軌跡。實驗結果表明，2類方法得到車輛軌跡都具有連續(xù)、穩(wěn)定、準確度較高的特性。
　　第五，提出了基于虛擬線圈和車輛軌跡的4種車速提取方法。虛擬線圈方法是在車輛檢測的基礎上，通過檢測車輛在虛擬線圈內(nèi)指定幀數(shù)駛過的像素距離來計算車速?；谲囕v軌跡的方法是通過2個車輛軌跡點坐標及其對應