基于視頻的夜間高速公路擁堵事件檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、夜間高速公路相比白天更容易發(fā)生交通事件，導(dǎo)致交通擁堵。隨著視頻監(jiān)控系統(tǒng)在高速公路的大范圍普及應(yīng)用，基于視頻的高速公路擁堵事件檢測(cè)得到迅速發(fā)展。目前基于視頻的擁堵?tīng)顟B(tài)判別算法大都適用于光線充足的白天場(chǎng)景，由于夜間高速公路存在照明條件差、環(huán)境相對(duì)較暗、車身基本不可見(jiàn)等特點(diǎn)，使得現(xiàn)有基于視頻的擁堵判別算法難以滿足夜間高速公路場(chǎng)景擁堵檢測(cè)需求。因此，充分利用高速公路現(xiàn)有條件，設(shè)計(jì)與實(shí)現(xiàn)針對(duì)夜間高速公路場(chǎng)景的擁堵?tīng)顟B(tài)判別算法具有重要的理論和實(shí)際意

2、義。
　　本文針對(duì)夜間高速公路這一特定場(chǎng)景，在分析了基于視頻的夜間高速公路擁堵?tīng)顟B(tài)判別問(wèn)題及難點(diǎn)后，重點(diǎn)研究了夜間行進(jìn)車輛車燈的提取、適用于夜間的交通參數(shù)獲取以及夜間擁堵判別模型的建立，最終形成一套基于視頻的夜間高速公路擁堵?tīng)顟B(tài)判別算法。主要研究?jī)?nèi)容包括：
　?、僭谲嚐籼崛》矫?，首先針對(duì)夜間視頻圖像存在的大量噪聲問(wèn)題，運(yùn)用圖像增強(qiáng)的方法進(jìn)行預(yù)處理操作，在降低噪聲干擾的同時(shí)，增強(qiáng)車燈與背景區(qū)域的對(duì)比度。然后針對(duì)傳統(tǒng)的車燈分割方

3、法在夜間高速公路場(chǎng)景下適應(yīng)性較差的問(wèn)題，采用基于遺傳算法的最大熵雙閾值的車燈分割方法。最后針對(duì)分割后的圖像存在地面反射光干擾的問(wèn)題，提出基于梯度信息的反射光消除方法。實(shí)驗(yàn)結(jié)果表明，該方法有效地提高了車燈提取的準(zhǔn)確性，同時(shí)為準(zhǔn)確獲取交通參數(shù)奠定了基礎(chǔ)。
　?、谠谝归g交通參數(shù)獲取方面，針對(duì)在夜間高速公路場(chǎng)景下，由于無(wú)光照、車身不可見(jiàn)等導(dǎo)致常用的交通參數(shù)難以獲取問(wèn)題，利用高速公路的結(jié)構(gòu)化特點(diǎn)，通過(guò)對(duì)道路的車道分界線提取來(lái)獲取該路段的長(zhǎng)度

4、及車道數(shù)等道路信息，在此基礎(chǔ)上結(jié)合車燈與道路信息實(shí)現(xiàn)夜間高速公路場(chǎng)景下平均交通密度和時(shí)間占有率的獲取。
　?、墼谝归g擁堵判別方面，針對(duì)各交通狀態(tài)間的模糊性關(guān)系，通過(guò)分析平均交通密度和時(shí)間占有率兩個(gè)交通參數(shù)與道路擁堵間的關(guān)系，利用FCM算法對(duì)夜間交通擁堵?tīng)顟B(tài)進(jìn)行判別，并通過(guò)對(duì)投票機(jī)制的方法降低誤檢率，提高了夜間擁堵判別的準(zhǔn)確性。
　　最后，綜合上述研究成果，形成了一套基于視頻的夜間高速公路擁堵事件檢測(cè)方法，并在VS2010和O