智能交通系統(tǒng)中的交通事件檢測算法的研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，機(jī)動(dòng)車的數(shù)量不斷增加，交通事故頻發(fā)，道路交通的壓力也越來越大。為了解決道路交通迅速發(fā)展所引發(fā)的各種問題，智能交通系統(tǒng)被提到了重要的位置。車輛的檢測、跟蹤及交通事件的自動(dòng)檢測是智能交通系統(tǒng)中的重點(diǎn)，而基于視頻圖像的信號處理技術(shù)是解決智能交通系統(tǒng)中的這些關(guān)鍵點(diǎn)的技術(shù)之一，因此，本文的研究、實(shí)驗(yàn)都是基于視頻信號的方式。
　　 交通事件自動(dòng)檢測是以車輛檢測和跟蹤為基礎(chǔ)的，因此，本文首先分析研究了目前已有的車輛檢測算法，其

2、中重點(diǎn)介紹了經(jīng)常被使用的圖像差分法：幀差法和背景差分法，以及近年來備受關(guān)注的邊緣檢測方法，并指出其中的主要問題。在此基礎(chǔ)上，本文提出了一種改進(jìn)的檢測運(yùn)動(dòng)車輛的方法，即在應(yīng)用背景差分和邊緣檢測方法的基礎(chǔ)上，引進(jìn)幀差法的思想，實(shí)驗(yàn)證明，這種方法能夠很好地改善車輛檢測的效果。
　　 在檢測出目標(biāo)車輛之后，就可以對車輛進(jìn)行跟蹤，并獲取車輛的運(yùn)動(dòng)軌跡，為后續(xù)的交通參數(shù)測量、交通事件檢測等提供數(shù)據(jù)基礎(chǔ)。在車輛跟蹤這部分，本文研究了各種常用的

3、運(yùn)動(dòng)目標(biāo)跟蹤的算法，并比較了這些算法的優(yōu)缺點(diǎn)，在此基礎(chǔ)上，本文選用Kalman濾波器，對車輛在下一幀中的位置進(jìn)行預(yù)測，然后采用距離和顏色匹配的方法對車輛進(jìn)行跟蹤。實(shí)驗(yàn)表明，該方法能夠?qū)囕v進(jìn)行穩(wěn)定的跟蹤。
　　 最后，根據(jù)前面的車輛檢測和跟蹤的基礎(chǔ)，就可以進(jìn)行交通事件檢測了。本文在研究分析了現(xiàn)有的交通事件自動(dòng)檢測算法的基礎(chǔ)上，利用交通事件發(fā)生時(shí)具有的一些固有特征，或者對后續(xù)的交通參數(shù)產(chǎn)生的影響，對三種常見的交通事件：車輛逆行、違