智能交通中視頻車輛檢測技術(shù)研究.pdf

1、智能交通視頻監(jiān)控系統(tǒng),是利用圖像處理技術(shù)分析視頻圖像,包括車輛檢測、車輛跟蹤和車牌識別三大處理模塊。其中,視頻車輛檢測是智能交通監(jiān)控系統(tǒng)的關(guān)鍵之一,其主要任務(wù)是分割出視頻圖像中的運動車輛。車輛檢測作為視頻測速、車輛行為分析和車牌識別等功能的前提,其重要性可想而知,而基于背景差分的車輛檢測方法,由于具有算法簡單、計算量小和不容易產(chǎn)生空洞等優(yōu)點,得到了廣泛的應(yīng)用。
　　目前,大多數(shù)算法都是研究白天條件下的視頻圖像,而針對夜間視頻圖像的

2、車輛檢測算法相對較少,這是因為夜間場景比白天場景更為復(fù)雜,增加了路燈和其它光源的照射變化、車燈強光和路面反光等干擾因素。因此,針對白天和夜晚交通視頻,本文分別采用不同的視頻車輛檢測算法,能夠在晝夜環(huán)境條件下,實時、準確的分割出車輛區(qū)域。本文從視頻車輛檢測的四個步驟:視頻圖像預(yù)處理、背景建模與更新、前景檢測和粘連車輛區(qū)域分割,依次進行了介紹,本文的主要工作如下:
　　(1)針對白天交通視頻,對視頻序列進行均值降采樣預(yù)處理后,用混合高

3、斯模型進行背景建模與更新,通過對彩色空間和灰度梯度空間背景差分的結(jié)果進行融合,得到日間車輛檢測的前景圖像。
　　(2)針對夜間交通視頻,采用均值降采樣、灰度轉(zhuǎn)換和對數(shù)拉伸對視頻幀序列進行預(yù)處理,在時間軸上設(shè)置一定大小的滑動窗口,并對滑動窗口中的灰度梯度域視頻幀序列進行中值濾波,得到背景梯度圖,最后在梯度域上進行背景差分得到前景圖像。
　　(3)前景圖像經(jīng)過形態(tài)學濾波、連通區(qū)域分析后,采用Freeman鏈碼判斷車輛區(qū)域是否粘連