基于视频的交通信息采集系统的研究

论文摘要

智能交通系统(Intelligent Transportation system,简称ITS)是交通可持续发展的必由之路,交通信息采集与处理技术作为ITS中解决信息来源、实时分析与处理信息的关键技术,是ITS的核心之一。纵观交通信息采集方法的发展历程,基于视频的交通信息采集技术由于其无可比拟的优势,必将成为未来实时交通信息获取的发展方向。本文采用基于运动目标提取和模型跟踪的交通信息采集技术,以车辆为整体作为识别和跟踪对象,提取车流量、车型、车速、运动轨迹等信息。论文的主要研究工作如下：(1)在研究和分析了众多车辆检测算法的基础上,本文使用基于背景差分的视频分割方法进行车辆分割,并提出在使用最大类间方差法(Otsu’s方法)来获取自适应闽值的同时,进一步采用辅助手段帮助判断分割结果,取得了较好的效果。(2)在获取运动目标特征的基础上,本文使用基于卡尔曼滤波的车辆跟踪算法,对目标预测其在下一时刻可能的位置,从而可以在这个位置附近的小范围内,对目标进行特征匹配搜索,建立目标在连续帧中的对应关系,完成目标跟踪。(3)在交通参数提取层面,本文研究了车流量、车型、车速等重要交通参数的提取与计算方法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的背景和意义
• 1.1.1 ITS与交通信息采集
• 1.1.2 交通信息采集技术的发展
• 1.2 视频交通信息采集技术的研究现状
• 1.2.1 基于虚拟传感器的非模型交通信息采集技术
• 1.2.2 基于运动目标提取和模型跟踪的交通信息采集技术
• 1.3 论文的研究内容与结构安排
• 第2章 交通视频图像的处理
• 2.1 交通视频图像的获取
• 2.2 交通视频图像的特点
• 2.3 图像的数字化描述
• 2.4 图像的平滑处理
• 2.4.1 局部平均法
• 2.4.2 中值滤波法
• 2.4.3 频域中的平滑技术
• 2.5 图像的分割
• 2.5.1 边缘检测技术
• 2.5.2 区域分割技术
• 2.6 图像的形态学处理
• 第3章 运动车辆检测与分割
• 3.1 运动车辆检测算法概述
• 3.1.1 光流法
• 3.1.2 连续帧差法
• 3.1.3 背景帧差法
• 3.2 基于背景差分的运动车辆提取算法
• 3.2.1 流程描述
• 3.2.2 背景更新
• 3.2.3 车辆分割
• 3.2.4 滤波处理
• 3.3 车辆检测实验结果
• 第4章 运动车辆跟踪与分析
• 4.1 目标跟踪方法概述
• 4.1.1 基于跟踪特征的分类
• 4.1.2 基于跟踪方法的分类
• 4.2 基于卡尔曼运动预测的车辆跟踪算法
• 4.2.1 跟踪算法思路概述
• 4.2.2 起始跟踪
• 4.2.3 基于卡尔曼滤波的运动预测
• 4.2.4 目标匹配与模型更新
• 4.3 车辆跟踪实验结果
• 第5章 交通参数的获取
• 5.1 交通流特性
• 5.1.1 交通流参数
• 5.1.2 宏观交通流参数之间的相互关系
• 5.2 车流量
• 5.3 车型
• 5.3.1 车长的计算
• 5.3.2 车辆面积的计算
• 5.3.3 车型判决
• 5.4 车速
• 5.5 其他交通参数
• 5.5.1 时间平均车速
• 5.5.2 空间平均车速
• 5.5.3 交通密度
• 第6章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果