基于視頻的夜間高速公路擁堵事件檢測關(guān)鍵技術(shù)研究.pdf

1、夜間高速公路相比白天更容易發(fā)生交通事件，導(dǎo)致交通擁堵。隨著視頻監(jiān)控系統(tǒng)在高速公路的大范圍普及應(yīng)用，基于視頻的高速公路擁堵事件檢測得到迅速發(fā)展。目前基于視頻的擁堵狀態(tài)判別算法大都適用于光線充足的白天場景，由于夜間高速公路存在照明條件差、環(huán)境相對較暗、車身基本不可見等特點，使得現(xiàn)有基于視頻的擁堵判別算法難以滿足夜間高速公路場景擁堵檢測需求。因此，充分利用高速公路現(xiàn)有條件，設(shè)計與實現(xiàn)針對夜間高速公路場景的擁堵狀態(tài)判別算法具有重要的理論和實際意

2、義。
　　本文針對夜間高速公路這一特定場景，在分析了基于視頻的夜間高速公路擁堵狀態(tài)判別問題及難點后，重點研究了夜間行進車輛車燈的提取、適用于夜間的交通參數(shù)獲取以及夜間擁堵判別模型的建立，最終形成一套基于視頻的夜間高速公路擁堵狀態(tài)判別算法。主要研究內(nèi)容包括：
　?、僭谲嚐籼崛》矫?，首先針對夜間視頻圖像存在的大量噪聲問題，運用圖像增強的方法進行預(yù)處理操作，在降低噪聲干擾的同時，增強車燈與背景區(qū)域的對比度。然后針對傳統(tǒng)的車燈分割方

3、法在夜間高速公路場景下適應(yīng)性較差的問題，采用基于遺傳算法的最大熵雙閾值的車燈分割方法。最后針對分割后的圖像存在地面反射光干擾的問題，提出基于梯度信息的反射光消除方法。實驗結(jié)果表明，該方法有效地提高了車燈提取的準(zhǔn)確性，同時為準(zhǔn)確獲取交通參數(shù)奠定了基礎(chǔ)。
　?、谠谝归g交通參數(shù)獲取方面，針對在夜間高速公路場景下，由于無光照、車身不可見等導(dǎo)致常用的交通參數(shù)難以獲取問題，利用高速公路的結(jié)構(gòu)化特點，通過對道路的車道分界線提取來獲取該路段的長度

4、及車道數(shù)等道路信息，在此基礎(chǔ)上結(jié)合車燈與道路信息實現(xiàn)夜間高速公路場景下平均交通密度和時間占有率的獲取。
　?、墼谝归g擁堵判別方面，針對各交通狀態(tài)間的模糊性關(guān)系，通過分析平均交通密度和時間占有率兩個交通參數(shù)與道路擁堵間的關(guān)系，利用FCM算法對夜間交通擁堵狀態(tài)進行判別，并通過對投票機制的方法降低誤檢率，提高了夜間擁堵判別的準(zhǔn)確性。
　　最后，綜合上述研究成果，形成了一套基于視頻的夜間高速公路擁堵事件檢測方法，并在VS2010和O