基于数学形态学的车流量检测技术研究

论文摘要

车流量是智能交通系统的重要参数,实时、可靠的车流量信息是判断交通状况的重要依据。基于视频的车流量检测技术较传统检测技术有着信息含量丰富、设置灵活、成本低廉等诸多优点,已成为国内外的研究热点。本文依据实际的交通状况,结合现场交通流视频的特点,以基于视频的车流量检测技术流程为序对车流量检测技术进行了较详细的研究,尤其在形态学图像处理技术的基础上,对目前视频检测技术中存在的跨道行驶车辆的重复检测和并道行驶车辆的漏计等问题给予重点研究,设计出基于虚拟检测线的车道动态设定算法,并进行Matlab仿真实验,取得了较理想的效果。基于虚拟检测线的车道动态设定算法是在形态学去噪的基础上,根据通过检测线的车辆的宽度划分检测线,检测线的每一个划分就是有车辆正通过的车道。鉴于车道是动态设定的,该算法对并道行驶的车辆有一定的识别功能,可以较准确地检测出并道行驶的车辆而不至于漏检,摒弃某些检测算法受车道所限制的弊端。同时,若检测线设定的足够宽,则可降低对跨道行驶车辆的重复计数,有助于提高车流量的检测精度。另外,本文结合运动目标图像序列的特点,在分析车流量检测技术的基础上,对差分图像采用绝对值标度方法,以凸显图像间的差异；并引入了最大方差阀值方法和灰度阀值法相结合的二值化算法,用以提取运动目标；以及为车道动态设定算法提供内无空洞且横向上无凹性图像的填充算法等,都为基于检测线的车道动态算法提供了可靠的支撑。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 基于视频的车流量检测技术
• 1.2.1 视频检测与其他检测技术的比较
• 1.2.2 基于视频的车流量检测技术
• 1.2.3 基于视频的车流量检测技术的发展状况
• 1.3 数学形态学视频处理技术
• 1.4 本文的研究价值和内容安排
• 1.4.1 本文的研究价值
• 1.4.2 本文的主要工作和内容安排
• 第二章 数学形态学图像分析基本原理
• 2.1 结构元素
• 2.2 二值腐蚀
• 2.3 二值膨胀
• 2.4 膨胀和腐蚀的性质
• 2.4.1 代数性质
• 2.4.2 平移不变性
• 2.4.3 递增性
• 2.4.4 对偶性
• 2.5 二值开运算和闭运算
• 2.5.1 二值开运算
• 2.5.2 二值闭运算
• 2.6 本章小结
• 第三章 车辆目标的检测
• 3.1 视频图像的预处理
• 3.1.1 视频帧图像灰度化
• 3.1.2 视频帧图像的直方图均衡化
• 3.2 运动车辆检测
• 3.2.1 运动车辆视频检测算法概述
• 3.2.2 本文的运动车辆检测算法
• 3.3 本章小结
• 第四章 基于形态学的运动车辆的提取与增强
• 4.1 图像二值化
• 4.1.1 最大方差阀值
• 4.1.2 灰度阀值法
• 4.1.3 本文的阀值选取方法
• 4.2 形态学去噪
• 4.2.1 结构元素的设计
• 4.2.2 本文的形态学图像处理算法
• 4.3 图像的填充
• 4.3.1 本文图像填充的基本原理
• 4.3.2 图像填充算法的实现
• 4.4 本章小结
• 第五章 基于车道动态设定的车流量检测
• 5.1 运动车辆计数的原理和方法概述
• 5.2 基于虚拟检测线的车道动态设定基本原理
• 5.3 基于虚拟检测线的车道动态设定算法流程
• 5.3.1 记录扫描数据信息的数据结构
• 5.3.2 检测线的扫描
• 5.3.3 车辆通过检测线的判定
• 5.3.4 虚拟检测线的车道动态设定算法流程
• 5.4 本节小结
• 第六章 车流量检测系统设计及实验分析
• 6.1 系统的算法设计流程
• 6.2 实验结果与分析
• 结论与展望
• 结论
• 展望
• 参考文献
• 附录
• 致谢