基于區(qū)域特征的電動(dòng)自行車流量檢測(cè)算法的研究與應(yīng)用.pdf

1、隨著現(xiàn)代化建設(shè)的推進(jìn)，以及計(jì)算機(jī)硬件和軟件技術(shù)的發(fā)展，智能交通得到了越來(lái)越多地應(yīng)用，通過(guò)先進(jìn)的視頻處理技術(shù)來(lái)實(shí)現(xiàn)對(duì)城市道路交通環(huán)境的智能化管理，可以使城市道路變得更規(guī)范和更有秩序。而電動(dòng)自行車作為城市交通工具的重要組成部分，因?yàn)槠渚哂斜阋撕捅憬莸膬?yōu)點(diǎn)，被人們大量使用。然而電動(dòng)自行車行駛的不規(guī)范性也給道路交通管理帶來(lái)了很多問(wèn)題，研究并尋找一種能切實(shí)有效地檢測(cè)和統(tǒng)計(jì)電動(dòng)自行車車流量的算法變得越來(lái)越重要。
　　運(yùn)動(dòng)目標(biāo)檢測(cè)作為視頻處理的

2、基礎(chǔ)技術(shù)之一，是進(jìn)行車流量統(tǒng)計(jì)的前提。目前運(yùn)動(dòng)目標(biāo)檢測(cè)算法從空間水平可以分為基于像素的和基于區(qū)域的，基于像素的運(yùn)動(dòng)目標(biāo)檢測(cè)對(duì)單個(gè)像素進(jìn)行處理，較為容易出現(xiàn)噪點(diǎn);基于區(qū)域特征的運(yùn)動(dòng)目標(biāo)檢測(cè)算法則考慮到了用相鄰像素信息來(lái)改善檢測(cè)結(jié)果。本文提出了兩種基于區(qū)域的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，并用來(lái)進(jìn)行電動(dòng)自行車的實(shí)時(shí)檢測(cè)。在此基礎(chǔ)上，研究并實(shí)現(xiàn)了一種基于整個(gè)車道和交集校正的電動(dòng)自行車流量統(tǒng)計(jì)算法。
　　本文研究的內(nèi)容主要包括如下幾點(diǎn):
　　(1

3、)首先分析了Hu矩算法的原理，并提出了一種基于Hu矩相似度的混合高斯模型檢測(cè)算法，分析了用該算法進(jìn)行電動(dòng)自行車檢測(cè)的可行性。同時(shí)，分析了ssim算法的原理，并提出了ssim混合高斯模型算法，再分析了用其來(lái)進(jìn)行電動(dòng)自行車檢測(cè)的可行性。實(shí)驗(yàn)結(jié)果表明，直接用Hu矩相似度和直接用ssim都能很好地檢測(cè)出電動(dòng)自行車，同樣地，用Hu矩相似度指示器的混合高斯模型算法和ssim混合高斯模型算法也能檢測(cè)電動(dòng)自行車，并提高了對(duì)場(chǎng)景變化的適應(yīng)能力。
　

4、　(2)其次，實(shí)現(xiàn)了一種基于整個(gè)車道和交集校正的電動(dòng)自行車流量統(tǒng)計(jì)算法，并分別結(jié)合基于Hu矩相似度的混合高斯模型算法和ssim混合高斯模型算法來(lái)進(jìn)行電動(dòng)自行車的流量統(tǒng)計(jì)。實(shí)驗(yàn)結(jié)果表明基于Hu矩相似度的混合高斯模型算法和ssim的混合高斯模型算法的檢測(cè)正確率和計(jì)數(shù)正確率都在95％以上。
　　(3)最后，開(kāi)發(fā)了一套電動(dòng)自行車流量統(tǒng)計(jì)應(yīng)用軟件系統(tǒng)，系統(tǒng)采用C#語(yǔ)言開(kāi)發(fā)，并應(yīng)用CUDA的GPU加速技術(shù)和CPU并行加速等方式對(duì)本文提出的算法