基于视频序列的交通流量统计算法研究与设计

论文摘要

交通流量统计是计算机视觉处理方面研究的热点和前沿课题,也是智能交通系统(ITS)的核心课题之一。交通流量统计在减少城市交通拥堵,提高路面利用率方面能起到关键作用。交通流量统计算法主要的研究内容包括运动车辆检测、阴影消除和多目标跟踪。本文算法研究的最终目的是提高交通流量统计算法的实时性、准确性、适用性。本文的主要内容有：(1)介绍了交通流量统计的常用方法,例如采用环形线圈和超声波的交通流量统计系统。与此同时,基于视频序列的交通流量统计近年来发展迅速,由于它具有检测区域大、系统设置灵活等突出的优点,已成为交通流量统计领域研究的热点。(2)在运动车辆检测方面,对背景差分法和三帧差分法进行结合,然后用OSTU动态阈值法获取分割后的二值图像。然后分析了阴影产生的机理,并且根据阴影在HSV颜色空间的特性,完成对车辆产生阴影的消除。对于运动车辆检测时经常出现的粘连问题,采用对检测出的前景车辆的二值化图像进行向x轴,y轴投影的方法,提出车辆分割方法。(3)在对车辆进行跟踪方面,采用了基于卡尔曼滤波器的方法,以运动车辆的高度、宽度、质心坐标、速度为特征向量,对该特征向量进行预测,缩小了搜索范围,减小了计算量,提高了算法的实时性。(4)分析了系统的各部分组成单元,对检测出的运动车辆进行统计,根据跟踪目标链表中运动车辆的ID信息进行计数统计。随着进入检测区域车辆的增加,统计车辆的数量也相应的增加。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 交通流量统计的常用方法
• 1.2.1 环形线圈交通流量统计系统
• 1.2.2 超声波交通流量统计系统
• 1.2.3 视频交通流量统计系统
• 1.3 交通流量统计的应用
• 1.4 研究现状
• 1.5 本文的组织结构
• 第二章 运动车辆检测算法研究
• 2.1 引言
• 2.2 视频序列概述
• 2.3 运动车辆检测流程
• 2.3.1. 运动目标检测的常用方法
• 2.3.2 运动车辆检测的一般流程
• 2.4 运动车辆检测的常用方法
• 2.4.1 背景差分法
• 2.4.2 帧间差分法
• 2.5 三帧差分法和背景差分法相结合的运动车辆检测方法
• 2.6 车辆阴影的检测和消除
• 2.6.1 阴影产生的原因和特征分析
• 2.6.2 阴影消除的常见方法
• 2.6.3 基于HSV颜色空间的阴影检测和消除算法
• 2.6.4 实验结果
• 2.7 车辆在粘连情况下的分割
• 2.8 本章小结
• 第三章 多运动车辆的跟踪算法
• 3.1 概述
• 3.2 常用跟踪方法
• 3.2.1 基于相关的运动目标跟踪方法
• 3.2.2 基于特征匹配的跟踪方法
• 3.2.3 基于运动估计的跟踪方法
• 3.3 卡尔曼滤波基本原理
• 3.3.1 卡尔曼滤波
• 3.3.2 卡尔曼滤波递推方程
• 3.4 基于卡尔曼滤波器的运动车辆跟踪
• 3.4.1 运动车辆的特征提取
• 3.4.2 多目标链表的建立
• 3.4.3 卡尔曼目标区域的预测、搜索、模型更新
• 3.4.4 车辆短暂跟踪不到时的处理
• 3.4.5 车辆的标识
• 3.4.6 判断新车辆的出现与已跟踪车辆的消失
• 3.4.7 实验结果
• 第四章 交通流量统计设计与实现
• 4.1 引言
• 4.2 OpenCV视觉库在Visual C++软件编程环境下的配置
• 4.2.1 系统硬件环境
• 4.2.2 系统软件配置
• 4.3 系统设计
• 4.3.1 视频采集单元
• 4.3.2 检测区域设置
• 4.3.3 视频序列预处理
• 4.3.4 前景目标检测单元
• 4.3.5 运动目标跟踪单元
• 4.3.6 新目标检测单元
• 4.3.7 轨迹处理单元
• 4.3.8 统计信息显示单元
• 4.4.9 系统整体架构图
• 4.4 实验结果分析表
• 第五章 总结与展望
• 5.1 本文研究工作的总结
• 5.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文和科技成果