交叉口車輛視頻檢測與場景三維復現.pdf

1、智能交通系統(tǒng)(ITS)是當今世界交通領域研究的熱點，計算機視覺技術在ITS中的應用得到了國內外的廣泛關注。交叉口是公路交通網的關鍵節(jié)點，交叉口處的車流參數檢測和控制算法的性能評份具有重要意義。鑒于此，本文主要針對城市單交叉口研究了運動車輛的視頻檢測和場景的三維復現，旨在探討基于視頻的車輛參數檢測方法并構建一個三維的數字化虛擬場景平臺，為交叉口控制算法的性能評估及其它相關研究提供一個直觀的支持環(huán)境。論文主要內容如下：
　　 首先研

2、究了交通攝像機的標定問題。精確的攝像機標定能夠為后繼步驟中通過二維圖像求解實際交通參數并由此進行的車型識別提供精度保障。為提高標定精度，論文對交通圖像進行了必要的預處理操作，并從實用角度出發(fā)設計了一種基于斑馬線的攝像機在線自動標定方法，通過自動提取一條完整的斑馬單線來獲取它的四個外頂點坐標，在此基礎上充分利用斑馬線長度和寬度固定可知的事實來完成路面與像平面間的單應性矩陣求解。
　　 其次研究了視頻序列中的多運動車輛檢測與活動陰影

3、消除。綜合分析了背景差分技術和幀間差分技術的優(yōu)缺點，設計了一種基于改進幀差法的多目標檢測與背景重建算法，實現了運動車輛的完整提??；提出了一種具有柔性特征的動態(tài)窗口紋理分析算法并基于圖像局部紋理相似性原理完成了目標的活動陰影消除，減少了陰影所造成的檢測誤差。
　　 然后研究了運動車輛的跟蹤分析與車型識別。在對現有的主要跟蹤方法進行分析的基礎上，基于灰色預測模型GM(1,1)和區(qū)域多特征聯合匹配實現了車輛跟蹤；提出了一種基于模糊推理

4、的車型分類方法，構造了車輛的“形狀投影量”參數并根據車輛投影長度及形狀投影量完成了車型的分類，為后繼的參數提取和場景復現奠定了基礎。
　　 最后對前述系列算法進行了整合實驗并研究了交通參數的提取和場景的三維復現。整合實驗中以采集于某交叉口的1175幀視頻為素材進行了車輛檢測分析，得到了車流及場景的系列參數，為后繼復現提供了數據支撐。實驗結果表明，算法的檢測精度達90.2％，誤檢率為5.88％，漏檢率為3.92％。最后采用VC++