交通场景中车辆检测算法设计及实现

论文摘要

实现对交通场景中车辆的实时监控并且从中得到实时路况信息，是智能交通系统实现车辆调度和管理的重要前提。而视频监控和智能视频分析技术是在智能交通系统获得实时路况信息的重要方式。本文的工作是研究交通场景中的运动车辆流量检测问题，针对自适应背景建模、运动目标阴影检测和目标分割、目标跟踪等问题做了研究，并对相关问题的解决方案提出了新的算法或者改进方案；最后并通过DSP将所设计的算法框架移植到嵌入式设备中实现。本文主要任务和工作如下：第一，针对自适应背景建模和运动目标驻留问题提出了一种新的背景建模方法——颜色空间浮动气球模型（BalloonModel）。该方法通过在颜色空间建立浮动气球模型并建立气球浮动规则实现了对背景的自适应更新。本章通过对常见运动检测算法的研究，比较了混合高斯模型背景模型法、VSAM自适应背景模型等自适应背景建模方法和本文提出的算法，通过实验仿真结果表明本章提出的算法解决了背景更新和运动目标驻留问题，并且通过实验分析比较了算法在精度和实时性方面的性能。第二，针对阴影干扰问题提出了一种新的适用于交通场景的阴影检测算法——多重掩模算法（MultipleMaskMethod）。该算法通过融合颜色和角点信息实现了对运动车辆阴影的分割。并通过视频测试和实验数据分析，表明该方法较已经存在的算法有较好的阴影检测效果。第三，设计一种新的目标跟踪方法——曲面滑动模型法（CurvedSlidingMethod）。通过对基于区域的跟踪算法的研究，鉴于基于区域统计特征的匹配准则函数在可搜索匹配区域内总是呈现峰值特性，结合梯度下降法的优化思想，设计一种新的基于曲面滑动模型的跟踪算法。该算法在原理上最大程度地减少了目标模板在输入帧中的匹配次数，使得匹配路径沿着匹配准则函数曲面最速下降梯度方向滑动，使得沿着局部最优路径迭代直至最优值。第四，通过上述对各个环节方法的研究，即对运动检测、阴影检测和目标分割、运动目标跟踪三个环节的叙述，将上述环节整合成一个完整的视频分析算法框架；同时将该算法框架在一个系统中进行软件实现，并通过嵌入式DSP进行硬件实现。通过嵌入式设备集成开发环境调试并优化代码，实现对运动车辆的车速、车流量等的检测。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题背景和意义
• 1.2 国内外研究现状和存在的问题
• 1.3 本文研究内容
• 1.4 本文结构安排
• 第2章 背景建模与运动检测
• 2.1 运动检测基本方法
• 2.1.1 帧差法
• 2.1.2 光流场和运动场
• 2.1.3 背景差法
• 2.1.4 其他运动检测方法
• 2.2 自适应背景建模方法
• 2.2.1 基于混合高斯模型的背景建模方法
• 2.2.2 基于颜色空间动态聚类的背景模型
• 2.2.3 滤波法与像素估计
• 2.3 颜色空间浮动气球模型
• 2.3.1 气球模型的建立和数学基础
• 2.3.2 气球在颜色空间内的浮动
• 2.3.3 浮动气球模型的实验结果和特性
• 2.4 背景差分和前景获取
• 2.5 本章小结
• 第3章 目标分割与跟踪
• 3.1 目标分割问题描述与研究现状
• 3.1.1 问题描述
• 3.1.2 研究现状
• 3.2 混合掩模影检测算法
• 3.2.1 颜色亮度信息提取
• 3.2.2 角点检测
• 3.2.3 角点聚类
• 3.2.4 混合掩模方法
• 3.3 运动目标跟踪
• 3.3.1 问题描述与常用跟踪策略
• 3.3.2 曲面滑动模型
• 3.3.3 梯度下降法
• 3.3.4 曲面滑动模型
• 3.3.5 滑动方向的选择
• 3.4 目标分割实验结果分析
• 3.4.1 测试数据
• 3.4.2 实验结果
• 3.4.3 性能评价和性能评价
• 3.4.4 阴影检测算法的应用
• 3.5 曲面滑动模型数据测试
• 3.5.1 跟踪效果
• 3.5.2 模板漂移和匹配准则的选择
• 3.5.3 实验结果分析
• 3.6 本章小结
• 第4章 DSP 系统开发与算法实现
• 4.1 DSP 处理器及其开发环境
• 4.1.1 DM6437 开发板结构
• 4.1.2 DSP 开发环境
• 4.2 DSP/BIOS及其芯片支持库
• 4.2.1 DSP/BIOS
• 4.2.2 CSL 芯片支持库
• 4.2.3 TIIMGLIB 库
• 4.2.4 代码优化
• 4.3 系统实现与分析
• 4.3.1 算法总体设计
• 4.3.2 试验环境搭建
• 4.4 综合实验结果
• 4.5 本章小结
• 第5章 结论和展望
• 附表
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录