基于視頻虛擬檢測(cè)線(xiàn)特征的交通流參數(shù)檢測(cè).pdf

1、實(shí)時(shí)交通流參數(shù)檢測(cè)在智能交通系統(tǒng)中起著重要的作用.參數(shù)檢測(cè)有多種方式,其中基于圖像處理的視頻車(chē)輛檢測(cè)方式近年來(lái)發(fā)展很快,由于它具有檢測(cè)區(qū)域大、系統(tǒng)設(shè)置靈活等突出的優(yōu)點(diǎn),已成為智能交通系統(tǒng)領(lǐng)域的一個(gè)研究熱點(diǎn).本文致力于研究一種靈活、可靠的視頻交通流參數(shù)檢測(cè)系統(tǒng).車(chē)輛的檢測(cè)基于車(chē)道,在每個(gè)車(chē)道設(shè)置兩條虛擬檢測(cè)線(xiàn)來(lái)檢測(cè)交通流參數(shù),虛擬檢測(cè)線(xiàn)的作用類(lèi)似于電磁感應(yīng)線(xiàn)圈.系統(tǒng)通過(guò)對(duì)視頻虛擬檢測(cè)線(xiàn)的預(yù)處理將二維的數(shù)字圖像轉(zhuǎn)化成一維的檢測(cè)信號(hào),減小了運(yùn)

2、算量,降低了運(yùn)算負(fù)荷.該方法的特點(diǎn)是處理運(yùn)算的圖像區(qū)域小,避開(kāi)了在二維圖像空間中進(jìn)行車(chē)輛跟蹤.在處理過(guò)程中,對(duì)常用的背景差方法進(jìn)行了改進(jìn),有效的保留了車(chē)輛目標(biāo)信息;通過(guò)對(duì)常用的邊緣檢測(cè)方法比較,選用了突出邊緣的Kirsch邊緣檢測(cè)方法對(duì)背景差后的圖像進(jìn)行了邊緣檢測(cè);使用形態(tài)除噪算法對(duì)邊緣檢測(cè)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整個(gè)檢測(cè)域(線(xiàn))的背景更新方法,陰影邊緣去除算法有效的抑制了車(chē)輛陰影邊緣,背景更新方法則提高了背景