基于视频流的车辆检测和跟踪算法的研究

论文摘要

智能交通系统是一种智能化的系统,通过对道路交通流的实时检测,它能够全方位、实时准确和高效的对路面上的车辆进行检测和跟踪,然后根据道路运行状况以及交通流的动态变化迅速做出诱导控制,在一定程度上减轻了道路拥塞程度,缓解了道路交通压力,降低了事故发生率。本文对基于视频的运动车辆检测识别、跟踪和违章检测等方面做了分析研究并进行了大量的实验,使用Visual C++ 6.0作为开发环境,并结合Intel公司的OpenCV图像处理库进行开发。通过使用OpenCV技术,实时的捕捉视频流数据,对图像进行灰度化和平滑处理,用背景差和帧间差相结合的方法得到感兴趣区域后,进行二值化处理,此时得到的图像黑色为背景,白色为前景运动目标。在车辆检测识别阶段,本文采用了轮廓提取法提取二值图中的轮廓,然后计算轮廓的外接矩形,对满足一定条件的矩形认为是车辆,用矩形框圈起来这就完成了对视频中的车辆的检测和识别。在车辆跟踪阶段,提出了颜色和质心距离相结合的多特征匹配算法来跟踪已经检测识别出的车辆。分类研究了交通违章事件等行为,分别对违章停车、车辆逆向行驶、违章变道压线等车辆违章行为做了实验,检测识别出视频中的车辆违规事件并对违章信息进行管理。

论文目录

• 提要
• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状及发展趋势
• 1.2.1 国内外研究现状
• 1.2.2 目标检测跟踪研究
• 1.2.3 车辆违章交通事件研究
• 1.3 本文主要内容及章节安排
• 1.3.1 本文主要内容
• 1.3.2 本文内容的具体安排
• 第2章 开发环境及运动车辆检测
• 2.1 OpenCV的系统概述
• 2.1.1 OpenCV简介
• 2.1.2 OpenCV的功能及各个模块
• 2.2 运动车辆检测方法
• 2.2.1 背景差法
• 2.2.2 帧间差法
• 2.2.3 光流法
• 2.3 图像预处理
• 2.3.1 图像灰度化处理
• 2.3.2 图像平滑处理
• 2.4 动态背景的提取
• 2.4.1 多帧平均法
• 2.4.2 选择更新法
• 2.4.3 加权平均更新法
• 2.5 感兴趣区域的提取
• 2.5.1 帧间差和背景差相结合的方法
• 2.5.2 二值形态学运算
• 2.6 边缘提取
• 2.7 一种检测车辆的方法
• 2.7.1 提取二值图中的轮廓
• 2.7.2 计算车辆的外接矩形
• 第3章 运动车辆跟踪
• 3.1 运动车辆的特征
• 3.1.1 图像的特征
• 3.1.2 质心特征
• 3.1.3 颜色特征
• 3.2 颜色特征的提取
• 3.2.1 建立颜色直方图
• 3.2.2 直方图归一化处理
• 3.3 跟踪运动车辆算法的研究
• 3.3.1 算法描述
• 3.3.2 实验结果与分析
• 3.3.3 本文实验结果与智能监测记录系统（IMRS）比较
• 3.4 交通参数信息的获取
• 3.4.1 交通流量的计算
• 3.4.2 车辆瞬时速度
• 3.5 一种改进的Camshift算法
• 3.5.1 Camshift算法概述
• 3.5.2 反向投影
• 3.5.3 搜索窗大小和位置的确定
• 3.5.4 算法改进
• 第4章 车辆违章检测
• 4.1 交通违章分类
• 4.2 违章行为分析
• 4.2.1 违章停车分析与实现
• 4.2.2 车辆逆行的检测
• 4.2.3 违章变道压线的检测与识别
• 4.3 系统实现与分析
• 第5章 总结与展望
• 5.1 论文总结
• 5.2 工作展望
• 参考文献
• 作者简介及在学期间所取得的科研成果
• 致谢