智能交通系统中车辆信息提取算法的研究及其硬件实现

论文摘要

近年来，随着人们对道路交通需求的增加，智能交通系统已经成为研究热点。智能交通系统作为一种综合数字图像处理，模式识别，智能控制等多种技术的系统，能很大程度地满足日益增长的交通需求，但其在准确性、鲁棒性等方面还存在一定的缺陷。本文主要从两个方面进行研究：第一，采用数字图像处理、模式识别等手段，对监控摄像机所采集到的视频信息中的车辆进行检测、跟踪，从而提取车辆的信息，包括摄像机监控范围内的车流量，车速，车型信息等。第二，将软件系统移植到TMS320DM642平台上仿真实现，为系统的真正产品化提供基础。在算法研究方面，本文从系统的角度来实现车辆信息的提取，围绕车辆检测和跟踪算法，将系统分为：电子稳像、背景更新、图像标定、车辆检测和车辆跟踪。主要研究了其中的电子稳像、车辆检测和车辆跟踪三大部分。电子稳像：区别于人的视觉，计算机视觉对图像是否稳定更敏感。微小的图像抖动都会对计算机视觉的判断造成影响。电子稳像技术就是为了减小因摄像机抖动造成的图像不稳定的影响。车辆检测：当图像中的运动目标从背景中提取出来后，通过特定的图像分割算法，最后以斑块形式表现在二值图像上。车辆检测包括对斑块的分析，斑块的聚类和新车辆的触发三个部分。在这一步中，提取车流量和车型信息。车辆跟踪：利用车辆在图像坐标和世界坐标中的位置信息和颜色信息，采用Kalman滤波对每一辆车进行先预测后分析，完成对不同车道中的不同车辆进行同时跟踪分析。在这一步中，提取车辆的速度信息。通过实验，确定每个模块的最终算法。而仿真结果表明，整个系统能适应不同道路的要求，包括高速公路和城市道路，车辆信息提取基本达到实时，且车速、车流量、车型信息的准确度都达到了预期的效果。在硬件实现方面，将算法移植到TMS320DM642平台，通过各种代码优化技术，使系统能在嵌入式平台中实时准确地运行。最后对全文进行了总结，并对车辆信息提取系统的进一步研究进行了展望。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景与选题依据
• 1.2 国内外研究现状
• 1.2.1 ITS现状
• 1.2.2 车辆信息提取的研究现状
• 1.2.3 数字信号处理器（DSP）的发展现状
• 1.3 论文内容与创新
• 1.4 论文的组织结构
• 第2章 车辆信息提取系统与其硬件实现的简介
• 2.1 车辆信息提取系统的设计要求
• 2.2 车辆信息提取系统的总体结构
• 2.3 系统主要模块的简介
• 2.3.1 电子稳像模块
• 2.3.2 背景更新模块
• 2.3.3 图像标定模块
• 2.3.4 车辆检测模块
• 2.3.5 车辆跟踪模块
• 2.4 车辆信息提取系统的硬件实现
• 2.5 本章小结
• 第3章 电子稳像技术
• 3.1 电子稳像原理
• 3.2 全局矢量预测的经典算法
• 3.2.1 全搜索法
• 3.2.2 三步搜索法
• 3.2.3 二维对数搜索法
• 3.3 基于Phase Correlation的全局矢量预测算法
• 3.4 仿真实验与分析
• 3.4.1 算法准确度分析
• 3.4.2 算法速度分析
• 3.4.3 算法应用
• 3.5 本章小结
• 第4章 车辆检测算法
• 4.1 斑块信息定义
• 4.2 基于连通区域的经典斑块分析算法
• 4.3 感染算法
• 4.3.1 人的视觉信号分析习惯
• 4.3.2 感染算法的基本思想
• 4.3.3 感染算法的算法流程
• 4.4 仿真实验与分析
• 4.4.1 算法速度分析
• 4.4.2 算法准确度分析
• 4.4.3 算法局限性
• 4.4.4 算法应用
• 4.5 本章小结
• 第5章 车辆跟踪算法
• 5.1 Kalman滤波器理论
• 5.1.1 Kalman滤波器的整体思想
• 5.1.2 Kalman滤波器的使用条件
• 5.1.3 Kalman滤波器的工作过程
• 5.2 线性预测跟踪算法
• 5.3 Kalman预测跟踪算法
• 5.4 仿真实验与分析
• 5.4.1 算法准确度分析
• 5.4.2 算法鲁棒性分析
• 5.4.3 算法应用
• 5.6 本章小结
• 第6章 硬件实现
• 6.1 芯片选型及介绍
• 6.1.1 芯片选型
• 6.1.2 TMS320DM642介绍
• 6.2 图像采集与显示
• 6.2.1 设备驱动
• 6.2.2 初始化工作
• 6.2.3 完成采集和显示
• 6.3 代码编写及优化
• 6.3.1 代码编写
• 6.3.2 代码优化
• 6.3.3 代码性能分析
• 6.4 仿真结果
• 6.5 本章小结
• 第7章 总结与展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 个人简历 在读期间发表的学术论文与研究成果