基于虚拟检测器的车辆检测系统研究与实现

论文摘要

智能交通系统（ITS）是未来交通系统的发展方向,它实时、准确、高效的综合利用交通信息为人们的生产和生活提供便利。通过视频检测方法实时地收集交通信息,以其方便有效等独特的优势,逐渐成为交通信息采集领域的主流技术之一。本文以视频监测系统中运动车辆为研究对象,对道路的背景提取及更新、阴影抑制、车辆跟踪及信息提取等视频检测中的难点问题进行研究,从而开发出一个视频车辆检测系统原型。在背景提取方面,比较了现有理论和算法,针对系统的特定对象（城市快速路或高速路）,结合虚拟线圈的设置方式,提出了一种基于不变性的分块背景提取和更新算法,大大提高了背景提取的时间效率,为后续工作提供有力保障。在目标检测方面,采用虚拟检测器技术,在背景提取及更新的基础上,利用图像低阶和高阶统计量的特性,检测当前特定范围内是否有车辆存在,并通过阴影抑制方法消除阴影的影响。在车辆跟踪方面,重点分析了基于Kalman滤波的原理及在视频目标跟踪上的经典应用,并通过建立相应的模型进行仿真,了解到此跟踪模型步骤繁琐,而且每一步都影响跟踪和检测效果,因此,经过分析实际场景,对经典跟踪方法做了改进,提出了基于虚拟线圈的Kalman跟踪方法,通过测试表明,此方法在快速路场景下,完全满足系统要求,具有较高的实用性。文章最后利用面向对象技术,用C++语言开发了一个视频车辆检测系统原型,实现了交通参数记录和查询功能,对检测的交通参数作了进一步处理,得到更有价值的交通信息。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 智能交通系统简介
• 1.1.2 智能交通系统发展现状
• 1.2 视频检测技术概述
• 1.3 课题来源及论文研究目的
• 1.4 论文组织结构
• 第二章 视频车辆检测技术及其理论基础
• 2.1 视频车辆检测技术的主要方法
• 2.1.1 虚拟线圈法
• 2.1.2 跟踪目标法
• 2.2 本章小结
• 第三章 背景模型及运动目标检测
• 3.1 运动目标检测算法
• 3.1.1 时间差分法
• 3.1.2 光流法
• 3.1.3 背景减除法
• 3.2 背景模型的建立
• 3.2.1 常用背景提取算法
• 3.2.2 改进的背景提取及更新算法
• 3.3 本章小结
• 第四章 基于虚拟检测器的预估跟踪模型
• 4.1 视频车辆跟踪模型
• 4.1.1 确定目标运动模型
• 4.1.2 目标状态预测
• 4.2 经典视频目标跟踪方法
• 4.3 基于虚拟检测器的预估跟踪模型
• 4.3.1 车辆存在检测
• 4.3.2 车辆预估跟踪
• 4.4 本章小结
• 第五章 基于虚拟检测器的车辆检测系统设计与实现
• 5.1 软件设计开发概述
• 5.2 车辆视频检测系统的构建
• 5.2.1 系统设计与实现
• 5.2.2 实验设备及开发平台
• 5.2.3 交通信息的应用
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 后期展望
• 致谢
• 参考文献
• 附录A （攻读学位期间发表论文）
• 附录B （常见轿车长度）