基于视频的车辆检测与流量统计方法研究

论文摘要

随着现代经济的高速发展,交通运输的保障就显得尤其重要,对交通管理的要求也越来越高,将计算机科学与通信等高新技术运用于交通监控管理与车辆控制,以保障交通顺畅及行车安全,从而改善环境质量,促进经济发展的智能交通系统ITS(Intelligent traffic system)也随之应运而生。在ITS中,实时获取交通车流量的车辆检测技术是ITS的基础。传统交通车流量检测方法有电磁感应线圈、超声波检测器、微波检测器和红外线检测器等多种方式,而基于图像处理的视频车辆检测方式近年来发展迅速,由于它具有检测区域大、系统设置灵活等突出的优点,视频检测方法已成为智能交通系统领域中车辆检测技术的一个研究热点。近年来,国内外学者对基于视频图像的运动目标检测进行了广泛的研究。传统的车辆检测方法有:背景差分法、时间差分法、光流法等。这些方法中,背景差分法由于其运算量相对较少,并且可以加入背景更新技术实现背景自适应更新,能够较精确的分割出移动物体,从而在运动目标检测分割等方面得到广泛的应用,同时由于其自身的缺点,广大科学工作者也根据不同需要对其进行了改进。时间差分方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的帧间差分,但其一般不能完全提取出所有相关的特征像素点,在运动实体内部容易产生空洞现象。基于光流方法的运动检测由于其运算量相当大,抗噪性能差,依赖特别的硬件装置而使其应用受到了限制。本文提出背景差法和虚拟检测器相结合的方法对车流量进行统计,把基于移动区域的自适应背景更新方法应用到视频图像运动目标检测分割技术中,在基于移动区域的车辆检测技术的基础上提出基于虚拟检测器的车流量统计方法。沿垂直于道路方向设置虚拟检测器来统计车流量,系统只处理检测器区域内的数据,运算量小,速度快。实验证明该方法可随着背景条件的变化实时更新背景图像,快速准确的分割出其中的运动目标,准确地统计车辆,具有较强的实时性和鲁棒性。

论文目录

• 摘要
• Abstract
• 0 引言
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 视频图像检测技术与其他检测技术的比较
• 1.3 视频图像检测技术的研究现状
• 1.4 本文研究的主要内容
• 2 数字图像处理理论
• 2.1 数字图像概述
• 2.2 数字图像处理的基本原理
• 2.3 数字图像处理的内容
• 2.4 数字图像处理的技术应用
• 2.5 本章总结
• 3 运动目标检测理论
• 3.1 引言
• 3.2 运动目标检测的基本方法
• 3.2.1 帧间差分法
• 3.2.2 背景差分法
• 3.2.3 光流法
• 3.3 背景更新方法
• 3.3.1 统计学背景模型
• 3.3.2 背景的混合高斯模型
• 3.3.3 基于Kalman 滤波器的背景模型
• 3.4 背景更新与运动目标检测分割
• 3.5 图像分割技术
• 3.5.1 图像分割定义
• 3.5.2 图像分割方法概述
• 3.5.3 图象分割评价
• 3.6 本章总结
• 4 基于移动区域的车辆检测技术
• 4.1 引言
• 4.2 基于高斯模型的自适应阈值确定
• 4.3 快速自适应背景更新方法
• 4.3.1 背景提取
• 4.3.2 求取移动区域
• 4.3.3 自适应背景模型的确定与更新
• 4.4 基于标签法的快速去噪处理
• 4.5 车辆检测实验结果
• 4.6 本章小结
• 5 基于虚拟检测器的车流量检测
• 5.1 系统整体框架
• 5.2 检测器的设置
• 5.3 具体算法描述
• 5.4 算法改进
• 5.5 实验结果与分析
• 5.6 本章小结
• 6 全文总结与展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文