基于視頻的交通流參數(shù)檢測方法研究.pdf

1、實時交通流參數(shù)檢測，包括車流量統(tǒng)計、車道平均車速、車型分類、車道占有率等，在智能交通系統(tǒng)中起著重要的作用。交通流參數(shù)檢測方式多樣，交通流檢測器有電磁感應(yīng)線圈、超聲波檢測器、微波檢測器和紅外線檢測器等多種方式，而其中基于圖像處理的視頻車輛檢測方式近年來發(fā)展很快，由于它具有檢測區(qū)域大、系統(tǒng)設(shè)置靈活等突出的優(yōu)點，已成為智能交通系統(tǒng)領(lǐng)域的一個研究熱點。 通常的視頻檢測強(qiáng)調(diào)二維圖像的處理算法，包括車輛的識別、分割和跟蹤等。本文致力于研究一

2、種靈活、可靠的視頻交通流參數(shù)檢測系統(tǒng)。車輛的檢測基于車道，在每個車道可以設(shè)置一條虛擬檢測線和一個虛擬檢測區(qū)域來檢測交通流參數(shù)，虛擬檢測線的作用類似于電磁感應(yīng)線圈。系統(tǒng)通過對視頻虛擬檢測線的預(yù)處理將二維的數(shù)字圖像信號轉(zhuǎn)化為一維的檢測信號。該方法的特點是只需對虛擬檢測線區(qū)域內(nèi)的圖像進(jìn)行處理，處理運算的圖像區(qū)域小，且避開了在二維圖像空間中進(jìn)行復(fù)雜的車輛特征提取與車輛跟蹤，因此減少了運算量，降低了運算負(fù)荷。 虛擬檢測線(域)可以在視頻圖

3、像中自由設(shè)置，并且位置和大小可以調(diào)整。各個虛擬檢測線的輸出信號源于背景差分。在處理過程中，對常用的背景差方法進(jìn)行了改進(jìn)，有效的保留了車輛目標(biāo)信息；通過對常用的邊緣檢測方法比較，選用了突出邊緣的Kirsch邊緣檢測方法對背景差后的圖像進(jìn)行了邊緣檢測；使用形態(tài)除噪算法對邊緣檢測的結(jié)果進(jìn)行了噪聲去除；提出了陰影邊緣去除算法和基于檢測線(域)的背景更新方法，陰影邊緣去除算法有效的抑制了車輛陰影邊緣，背景更新方法則提高了背景更新的精度。