基于視頻的交通參數(shù)檢測(cè)方法研究.pdf

1、近年來(lái)，基于視頻的交通參數(shù)檢測(cè)成為計(jì)算機(jī)視覺(jué)領(lǐng)域新興的研究方向，基于視頻的交通參數(shù)檢測(cè)是智能交通系統(tǒng)的一個(gè)子課題，具有廣闊的應(yīng)用前景，同時(shí)基于視頻的交通參數(shù)檢測(cè)技術(shù)涉及了圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別以及人工智能等學(xué)科與領(lǐng)域，具有較高的學(xué)術(shù)價(jià)值和理論研究意義。 本文以攝像機(jī)固定情況下拍攝的視頻圖像數(shù)據(jù)為研究對(duì)象，以實(shí)時(shí)提取交通參數(shù)為研究目的，深入研究了圖像序列中運(yùn)動(dòng)目標(biāo)的檢測(cè)、目標(biāo)陰影檢測(cè)以及交通參數(shù)提取技術(shù)，并在此基礎(chǔ)上設(shè)計(jì)實(shí)

2、現(xiàn)了視頻交通參數(shù)檢測(cè)系統(tǒng)。 車輛目標(biāo)檢測(cè)是視頻交通參數(shù)檢測(cè)的重要內(nèi)容，對(duì)于攝像頭固定情況下的交通場(chǎng)景圖像序列，車輛目標(biāo)檢測(cè)的主流方法是運(yùn)動(dòng)目標(biāo)檢測(cè)算法。本文研究了瞬時(shí)差分法、背景差分法以及背景模型法等目前主要的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，通過(guò)實(shí)驗(yàn)分析了各種算法的技術(shù)特點(diǎn)及優(yōu)勢(shì)，并在分析現(xiàn)有運(yùn)動(dòng)目標(biāo)檢測(cè)算法基礎(chǔ)上，提出了一種改進(jìn)的背景模型算法，改進(jìn)算法以瞬時(shí)差分法的輸出作為是否更新背景模型的依據(jù)，有效解決了背景發(fā)生突變后的模型更新問(wèn)題。

3、 運(yùn)動(dòng)目標(biāo)的陰影具有與運(yùn)動(dòng)目標(biāo)相似的視覺(jué)與運(yùn)動(dòng)特征，常常在運(yùn)動(dòng)目標(biāo)檢測(cè)中被誤判為運(yùn)動(dòng)目標(biāo)，因此需要在運(yùn)動(dòng)目標(biāo)檢測(cè)后進(jìn)行陰影檢測(cè)。本文系統(tǒng)介紹了陰影模型以及目前主要的檢測(cè)算法，重點(diǎn)研究了HSV空間內(nèi)確定性非模型陰影檢測(cè)算法，通過(guò)實(shí)驗(yàn)分析了HSV空間內(nèi)亮度、色度以及飽和度約束條件對(duì)算法的影響。 論文研究了基于檢測(cè)區(qū)域的交通參數(shù)提取算法，給出了車流量、車速、車型等主要交通參數(shù)的算法流程，并應(yīng)用模塊化的方法在VC++編程環(huán)境下設(shè)計(jì)實(shí)