基于機器視覺的交通流模擬.pdf

1、近二十年來，我國城市交通發(fā)生了很大的變化，一個明顯特征是城市車輛保有量越來越高。根據(jù)中國社科院去年發(fā)布的《城市藍皮書》披露：近十年來汽車年均增加1100多萬輛，是2003年汽車數(shù)量的5.7倍，道路汽車密度遠超警戒值。交通管理部門及眾多高校對此十分重視，許多院校新開設(shè)了交通專業(yè)，加強了對相關(guān)方面領(lǐng)域的研究。
　　公路交通研究需要對道路交通狀況進行調(diào)查分析，掌握準確實時的交通信息，進而建立數(shù)學模型并進行模擬、教學。目前對交通信息的采集

2、普遍采用人工統(tǒng)計或PDA計數(shù)儀，對交通模型的演示仍采用傳統(tǒng)的沙盤模型，存在一定的局限性：人力物力耗費大，實時性不能保證；傳統(tǒng)沙盤模型制作工藝復雜、費用高、周期長、不便于操作。
　　本文引入機器視覺技術(shù)，并結(jié)合計算機模擬、虛擬現(xiàn)實技術(shù)對交通流模擬系統(tǒng)的幾個關(guān)鍵點進行研究，具有實時性好、數(shù)據(jù)準確度高、便于操作、自動化程度高等優(yōu)點。主要研究內(nèi)容包括：
　　1、研究了一種基于多維高斯背景模型的車輛檢測方法，結(jié)合幀間差分圖像更新背景，

3、解決背景中物體由靜止變?yōu)檫\動狀態(tài)時背景更新慢的問題；結(jié)合背景差與幀差法提取運動目標，背景差法可以檢測靜止或運動速度過快的車輛目標，以避免幀差法提取車輛目標失真情況的發(fā)生，幀差法可以彌補背景差法對光照、天氣等干擾條件敏感的缺陷；通過凹點檢測分割粘連車輛，優(yōu)化了運動車輛目標的檢測結(jié)果，提高了檢測精度。
　　2、提出了一種基于運動歷史信息加權(quán)圖像的Mean-Shift自適應(yīng)跟蹤方法。傳統(tǒng)算法存在難以估計方向、速度變化目標、且迭代次數(shù)多的

4、缺陷，對多個運動目標跟蹤時實時性差，改進的算法克服了這方面的缺陷，不僅減少了迭代次數(shù)，同時可對方向、速度進行估計對下一幀目標位置進行預測，提高了車流量統(tǒng)計系統(tǒng)的實時性。
　　3、實現(xiàn)了一個簡易的交通流模擬系統(tǒng)?；趙indows操作系統(tǒng)，使用C++語言并結(jié)合OpenCV庫開發(fā)了基于機器視覺的交通流量檢測系統(tǒng)，并基于Unity3d虛擬現(xiàn)實開發(fā)引擎，建立真實感較強的交通流模擬畫面。
　　本文的研究成果既可以用于教學，又可以用在真