智能視頻監(jiān)控中的車流量統(tǒng)計(jì)系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、近年來,隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展,智能視頻處理技術(shù)被更多地應(yīng)用到實(shí)際生活中?；谝曨l監(jiān)控的智能交通系統(tǒng)是當(dāng)前計(jì)算機(jī)視覺技術(shù)的熱門研究領(lǐng)域。它可以分析視頻圖像數(shù)據(jù)獲取有關(guān)道路車流狀況的實(shí)時(shí)信息。本文針對(duì)智能交通監(jiān)控系統(tǒng)中車輛目標(biāo)檢測和車輛目標(biāo)跟蹤算法進(jìn)行了深入的研究,提出了基于AdaBoost分類器判別的視頻車輛自動(dòng)檢測方法和基于Lucas-Kanade金字塔光流算法的車輛跟蹤方法。
　　道路交通監(jiān)控系統(tǒng)為了能對(duì)車輛進(jìn)行管制和約

2、束,攝像頭的安裝視角都能清楚地看到行駛車輛的車牌區(qū)域。不同車輛在車型、顏色上有較大的差異,但是車牌區(qū)域的局部特征具有相似性。本文利用這一特點(diǎn),提出了基于車牌信息的車輛檢測方法,通過離線學(xué)習(xí)訓(xùn)練了檢測車牌區(qū)域的AdaBoost分類器。監(jiān)控視頻車輛自動(dòng)檢測方法首先進(jìn)行運(yùn)動(dòng)建模提取運(yùn)動(dòng)的感興趣區(qū)域,再使用AdaBoost分類器在感興趣區(qū)域內(nèi)進(jìn)行滑動(dòng)檢測出車牌區(qū)域目標(biāo),最后用聚類的方法將車牌區(qū)域信息合并成為車輛目標(biāo)位置信息。
　　車輛在行

3、駛過程中是剛性運(yùn)動(dòng),這一特征符合光流特征匹配算法的約束條件?；贚ucas-Kanade金字塔光流算法的車輛跟蹤方法首先在車輛目標(biāo)區(qū)域內(nèi)選取一組特征點(diǎn),使用金字塔光流算法求取這一組特征點(diǎn)在前后兩幀間的光流量,再使用匹配誤差判別條件和正方向錯(cuò)誤檢測法排除了誤差大的特征點(diǎn),從而得到了目標(biāo)的運(yùn)動(dòng)矢量。對(duì)連續(xù)的視頻序列進(jìn)行跟蹤處理獲得車輛目標(biāo)的運(yùn)動(dòng)軌跡。
　　本文對(duì)車輛檢測跟蹤算法得到的車輛運(yùn)動(dòng)軌跡進(jìn)行了分析,利用車輛的運(yùn)動(dòng)特性進(jìn)行誤差校