基于视频的车流量统计算法研究

论文摘要

智能交通系统(ITS)已经被科学家认为是解决当前城市交通问题最有效的方法,也是目前和未来交通发展的主流方向。ITS的前提是获得交通道路的实时信息,比如车速、车流量等。本文主要研究ITS中基于视频检测技术的车流量统计方法,对所涉及的运动目标检测、背景提取、阴影去除以及车辆统计等核心技术进行了详细的研究。本文的工作主要分为以下四部分：1)对车流量统计相关算法进行了研究,针对目标检测算法,研究了光流法、帧间差分法和背景差分法。针对背景提取算法,研究了均值法、统计中值法、单高斯背景模型法和混合高斯背景模型法；针对阴影消除算法,研究了基于HSV颜色空间变换的阴影消除算法、基于色彩特征不变量的阴影消除算法和基于纹理特征的阴影消除算法。同时,本文对上述算法进行了实验对比分析。2)给出了一种改进的混合高斯模型背景提取算法,当读入一定帧数的图像之后认为背景达到稳定状态,读入新的视频帧时,对当前帧进行判断,如果像素点和稳定背景图像的像素点差值大于阈值Th1,就对该像素点进行更新,反之就不更新。3)给出了一种改进的基于虚拟区域的车流量统计算法,首先设置检测区域和检测线,然后跟踪检测区域中车辆的质心到检测线的距离d,如果d小于Th2认为有一辆车辆通过,通过实验验证,本文算法的精确率能达到90%左右。4)实现了一个车流量统计系统,整个系统主要包括视频播放模块、GMM背景更新模块、前景构建模块和车辆计数模块。视频播放模块主要完成视频的播放和显示；GMM背景更新模块主要是实现本文的背景提取算法；前景构建模块的主要功能是通过阴影去除和形态学操作得到较好的前景图像；车辆计数模块的主要功能是完成本文的车流量统计算法。本文深入研究了车流量统计的相关算法,并给出了一种改进的混合高斯模型算法和一种改进的基于虚拟区域的车流量统计算法,最后用VC实现了一个车流量统计系统,实验结果表明本文设计的系统能够对车辆目标进行准确检测与统计。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景和意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文主要研究内容和结构安排
• 第2章 车流量统计相关算法研究
• 2.1 常用的目标检测算法研究
• 2.1.1 光流法
• 2.1.2 帧间差分法
• 2.1.3 背景差分法
• 2.2 典型的背景提取算法
• 2.2.1 均值法
• 2.2.2 统计中值法
• 2.2.3 单高斯背景模型法
• 2.2.4 实验结果对比及分析
• 2.3 阴影检测算法
• 2.3.1 基于HSV颜色空间的阴影消除算法
• 2.3.2 基于色彩特征不变量的阴影消除算法
• 2.3.3 基于纹理特征的阴影消除算法
• 2.3.4 实验结果对比及分析
• 第3章 一种改进的混合高斯模型算法
• 3.1 EM算法的基本原理
• 3.2 混合高斯模型的构建
• 3.2.1 混合高斯模型原理
• 3.2.2 混合高斯模型的参数估计
• 3.2.3 混合高斯模型的参数初始化
• 3.2.4 混合高斯模型的参数更新
• 3.3 现有算法存在的问题
• 3.4 一种改进的混合高斯模型算法
• 3.4.1 算法描述
• 3.4.2 实验结果分析
• 第4章 一种改进的基于虚拟区域的车辆统计算法
• 4.1 目标的形态学处理
• 4.1.1 腐蚀和膨胀
• 4.1.2 开运算和闭运算
• 4.2 常用的车流量统计算法
• 4.2.1 基于虚拟区域的车辆计数方法
• 4.2.2 基于目标跟踪的车辆计数方法
• 4.3 一种改进的基于虚拟区域的车辆统计算法设计
• 4.3.1 算法描述
• 4.3.2 实验结果分析
• 第5章 系统的软件实现
• 5.1 本文车流量统计系统设计方案
• 5.2 视频播放模块实现
• 5.2.1 视频播放类的构建
• 5.2.2 实现视频播放
• 5.3 背景构建模块实现
• 5.3.1 GMM算法的实现
• 5.3.2 背景的实时显示
• 5.4 后处理模块的实现
• 5.5 车辆计数模块
• 总结与展望
• 参考文献
• 致谢
• 研究生履历