基于圖像處理的混合交通流中行人和非機動車數(shù)據(jù)采集理論與方法.pdf

1、在我國城市道路混合交通中，行人和非機動車對機動車的行駛產生很大影響。這種影響不但威脅道路交通安全，還導致了延誤的增加和通行能力的下降。如何通過交通管理控制手段科學管理行人和非機動車交通，有效提高城市路網尤其是道路交叉口的通行能力，減少出行者的出行時間，提高出行者的出行安全，成為當今我國城市交通所面臨的首要問題之一。因此，越來越多的智能交通控制系統(tǒng)被開發(fā)和應用在實際交通管理與控制中。作為智能交通系統(tǒng)的首要元素，交通信息采集設施在智能交通諸

2、多系統(tǒng)中起著極為關鍵的作用。 由以上分析可以看到，采集混合交通流中不同類型交通對象的流量數(shù)據(jù)，從而更有針對性地分析我國混合交通的情況，能夠為交通基礎設施的建設規(guī)劃、管理和評價工作提供有效的理論依據(jù)。本論文圍繞圖像處理技術，以混合交通流中的行人和非機動車為研究對象，對以下幾個方面的內容進行了深入研究： (1)首先分析和總結現(xiàn)有交通流量采集系統(tǒng)的發(fā)展模式和國內外現(xiàn)有視頻圖像采集的主要理論和方法，并分析使用這些視頻圖像處理方法

3、進行混合交通流數(shù)據(jù)采集時的缺陷。在此基礎上，詳細闡述本論文圖像處理方法為包含：對象檢測、對象跟蹤、特征提取、對象識別四個模塊的混合交通流數(shù)據(jù)采集的框架模型。 (2)考慮到實際交通場景中獲得可靠的背景圖像比較困難，本論文在圖像平均模型、中值濾波模型和高斯混合模型的基礎上，利用數(shù)學形態(tài)學的方法建立自適應的背景提取模型，該模型能夠對背景圖像進行更精確的提取，而且能更完整的保存原始圖像的信息。實例檢驗表明，本模型的提取精度均遠高于上述三

4、種模型，其提取速度也能夠滿足實時處理的需求。此外，本模型在提取背景圖像的同時，還能夠針對環(huán)境光線變化實時調整采集圖像的亮度，保證從不同的圖像幀中提取到背景像素的亮度水平相近，更為貼近實際情況。 (3)在運動對象檢測部分，考慮多種技術來提高算法的魯棒性，包括：自適應閾值的選??；基于鄰域信息、光強信息和色彩信息的噪聲抑制技術等內容。其中，利用鄰域信息能夠有效消除系統(tǒng)噪聲干擾；利用光強信息和顏色信息能夠有效消除自然噪聲干擾。

5、(4)對運動對象跟蹤，針對混合交通流中經常出現(xiàn)的遮擋、重疊、聚集、消散等情況，提出基于模糊匹配的KF(Kalman Filter)跟蹤模型。該模型參考了Kalman濾波的預測值，利用模糊的方法與當前圖像中的檢測值進行匹配。該方法能夠保證前景物體在被遮擋時或實驗數(shù)據(jù)缺失，及相互間遮擋的情況下，仍能準確跟蹤運動物體的移動軌跡，從而能夠更好的處理混合交通對象的跟蹤問題。 (5)在分析行人和非機動車的二值圖像的基礎上，本論文中將運動對象