基于视频的交通流信息的采集及其嵌入式实现

论文摘要

实时交通流数据的采集在智能交通系统中起着重要的作用。交通流检测有多种方式,而基于图像处理的视频检测方式近年发展很快,它具有大区域检测、设置灵活等优越性,已成为智能交通系统的一个研究热点。本文致力于研究一种灵活可靠的视频交通流检测系统,将智能传感器的概念引入视频检测中,以提高检测效率。车辆的检测基于车道,在每个车道设置两组虚拟检测线（每组虚拟检测线包括横向和纵向虚拟检测线）来检测交通流参数,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像转化成一维的检测信号,减小了运算量,降低了运算负荷。该方法的特点是处理运算的图像区域小,避开了在二维图像空间中进行车辆跟踪。通过大量的实验和分析,论文完成了复杂道路交通场景下的车辆检测和车速测量算法的开发工作,并利用Matlab进行了仿真和验证。论文的主要工作包括:（1）改进了虚拟检测线的设置,每组虚拟检测线由横向和纵向两部分组成,在横向和纵向虚拟检测线上分别通过帧间差分和背景差分进行特征信号的提取。在分析虚拟检测线位置和大小对输出信号的影响基础上,提出虚拟检测线设置中应遵循的一些原则。（2）采用形态除噪方法、Kirsch边缘检测方法、基于Kalman的背景更新方法以及基于结构单元的阴影去除方法进行图像预处理。（3）在交通流信息采集系统中为了精确地在一维信号中跟踪车辆,系统引入了正负信任帧、正负信任段等重要参数及奖惩策略,同时为了提高速度测量的精度和减小计算量,系统利用车头分别进入上下两横向检测线时候的特征信号求取车辆的速度。（4）利用基于ARM-Linux的嵌入式平台完成交通流检测原型系统的设计,验证算法的实时性和方便性。实验证明本文提出的基于视频的交通流信息采集方法具有一定的稳健性,实时性,方便性和鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.3 论文主要工作及组织结构
• 第二章 相关技术综述
• 2.1 差分图像
• 2.2 背景选取和更新
• 2.3 图像的分割
• 2.3.1 图像分割的定义
• 2.3.2 图像分割方法及分类
• 2.3.2.1 阈值法分割图像
• 2.3.2.2 边缘检测法分割图像
• 2.3.3 实验结果及分析
• 2.4 数字图像形态学分析
• 2.4.1 数学形态学
• 2.4.2 数学形态学基本运算及除噪方法
• 2.4.3 实验结果及分析
• 2.5 交通流参数
• 2.6 本章小结
• 第三章 基于虚拟检测线的运动车辆特征提取技术
• 3.1 车辆图像特征分析
• 3.2 系统总流程
• 3.3 虚拟检测线的设定
• 3.4 检测区域的提取和优化
• 3.4.1 背景选取和更新
• 3.4.2 目标图像的优化处理
• 3.4.2.1 虚拟检测线上形态除噪
• 3.4.2.2 虚拟检测线上边缘检测
• 3.4.2.3 虚拟检测线上车辆阴影边缘去除
• 3.5 图像特征提取
• 3.5.1 图像空间的选取
• 3.5.2 帧间差分与特征提取
• 3.5.3 背景差分与特征提取
• 3.6 线圈位置和大小对输出信号的影响
• 3.7 本章小结
• 第四章 基于视频虚拟检测线的交通流参数检测算法
• 4.1 车辆检测算法
• 4.2 车速检测算法
• 4.3 车道分钟交通量和车道时间占有率
• 4.4 仿真实验结果与分析
• 4.4.1 实验条件及参数设定
• 4.4.2 实验结果及分析
• 4.5 本章小结
• 第五章 基于ARM的嵌入式原型系统设计与实现
• 5.1 系统开发平台的构建
• 5.1.1 硬件平台构建
• 5.1.2 软件平台构建
• 5.2 系统在嵌入式实现中的软件结构
• 5.3 嵌入式实现中的关键技术
• 5.4 交通流检测系统运行及实验效果
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的学术论文