智能交通监控系统中的运动车辆对象提取算法研究

论文摘要

视频监控技术由于检测区域大、系统设置灵活等优点,已成为智能交通系统领域的一个研究热点。针对智能交通系统中的关键技术,研究了基于固定焦距的运动车辆提取算法。针对运动车辆提取的三种常用方法:光流法、背景法和帧间差法,分析了它们的优缺点。在简单情况下,利用序列帧间差法对运动车辆进行了提取,确定了帧间差法的L值,减小了序列帧间差法的空间复杂度。阐述了灰度归类的背景构造方法。在分析背景中静态物体和活动物体的灰度分布后,提出一种使用一个或多个灰度空间表示背景,并利用运动车辆灰度出现的概率小于背景灰度出现的概率的特点对运动车辆进行提取的算法。针对复杂的交通路口场景不能使用单一的算法对运动车辆进行提取的难点,本文使用Robert算子对每帧图像求取边缘信息,利用序列帧差法除去静止物体的边缘从而得到运动物体的边缘信息,并与序列帧差法得到的结果图作差,使得运动车辆灰度块与背景灰度块相分离。通过统计灰度块的边缘信息是否为背景边缘信息对运动车辆区域进行提取。最后,在对已做的工作进行总结的基础上,提出了后续研究工作的思路,对进一步的研究具有一定的指导意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 国内外智能交通系统研究现状
• 1.3 智能交通系统的车辆检测技术
• 1.3.1 电磁感应线圈检测技术
• 1.3.2 红外线检测技术
• 1.3.3 超声波检测技术
• 1.3.4 视频检测技术
• 1.4 基于视频的车辆检测发展概况
• 1.5 论文的主要工作
• 1.6 章节安排
• 第二章 运动车辆检测技术分析
• 2.1 光流法
• 2.1.1 光流法基本原理
• 2.1.2 实验结果分析
• 2.2 基于背景差法的车辆提取
• 2.2.1 背景差法的基本原理
• 2.2.2 平均背景构造法
• 2.2.3 自适应背景模型构造
• 2.3 基于帧间差法的运动车辆提取
• 2.3.1 相邻帧差法
• 2.3.2 序列帧间差法对运动物体的提取
• 2.3.3 序列帧间差法中使用的最少帧数的确定
• 2.4 本章小结
• 第三章 基于灰度归类的道路车辆提取算法研究
• 3.1 交通道路情况分析
• 3.2 像素灰度归类的背景构造算法
• 3.3 背景分析
• 3.4 基于多灰度值一致区间的运动车辆提取
• 3.4.1 灰度值一致区间划分
• 3.4.2 运动车辆提取
• 3.4.3 灰度值一致区间更新
• 3.4.4 实验结果
• 3.5 本章小结
• 第四章 交通路口运动车辆提取方法
• 4.1 路口情况分析
• 4.2 基于边缘信息的车辆提取
• 4.2.1 方法框架
• 4.2.2 帧图像的边缘提取
• 4.2.3 基于序列帧差法的运动车辆边缘提取
• 4.2.4 使用连通域消除干扰点
• 4.2.5 运动车辆边缘补偿
• 4.2.6 运动车辆区域划分
• 4.2.7 运动车辆区域信息提取
• 4.3 实验结果与分析
• 4.4 本章小结
• 第五章 总结和展望
• 5.1 论文内容总结
• 5.2 工作展望
• 参考文献
• 致谢
• 作者攻读硕士学位期间的主要研究成果