论文部分内容阅读
电子科学、计算机视觉理论和技术已成为智能交通系统中交通监控与交通管理领域的核心。与此同时，诸如车辆检测、车道检测、车速估计、车型分类和车辆跟踪等交通信息检测技术逐步成为智能交通领域中的基础研究课题。本文利用视频处理技术，以固定摄像机采集的交通流视频为处理对象，对交通信息检测中的一些关键技术进行了探索和研究，提出了新的技术路线，同时在实验中验证了算法的有效性。本文的主要研究内容和学术贡献有以下几个方面： 首先，针对目前交通视频序列中动态背景区域对运动车辆检测影响较大的问题，本文提出预先进行场景分割的运动车辆检测方法。该方法以动态背景区域与运动前景区域的光流向量特征为基础，首先进行背景区域与前景区域的分割，在此基础上分别对两区域的像素点进行背景建模，之后利用背景差分法提取运动车辆前景，最后利用HSV彩色空间下的阴影模型进行阴影去除。该方法有效地解决了动态背景区域对运动车辆提取的影响，提高了车辆本身区域检测的精度。 其次，在交通场景前景区域与背景区域分割的基础上，提出基于Hough变换与车辆前景累计图相结合的车道检测算法。算法将视频场景中的车道检测问题分为两步，车道边界线(即车道区域两侧的边界)检测与车道数目和分界线检测。首先利用Hough变换检测交通图像中所有候选边界直线，同时利用交通场景分割的结果粗略的估计出边界线的大体位置，以此为基础判定出候选直线中与道路边界最为接近的直线作为道路区域边界检测结果。此后，提取车辆前景累计图，利用车辆的行驶特征计算出视频场景中道路区域的车道数目，同时利用车道宽度一定的特性估计出车道分界线的位置，从而完成交通监控场景中的车道检测。 提出基于虚拟检测线的交通流参数检测方法，该方法可以利用车道检测的结果进行虚拟区域以及虚拟检测线的自动设置。设计了一种新的组合式虚拟检测线，该检测线由注册线、测速线以及分界检测线组成。利用亮度与三帧状态相结合的检测线触发判定方法，有效地解决了车辆沿分界线行驶以及摄像机抖动等情况对虚拟检测线技术的影响。在此基础上，利用注册线与测速线完成了多车道场景下的车速估计。同时利用注册线判定车辆在图像中的位置，以车辆离开注册线的初始时刻在图像中的位置为基准，采用投影法提取车辆相对尺寸，并以此为基础定义描述车辆的特征，最后利用支持向量机完成了大型车与小型车的分类。 最后本文研究了运动车辆跟踪问题，针对传统Mean Shift算法无法跟踪被遮挡车辆的问题，将Kalman滤波融入到Mean Shift算法中。利用巴氏系数作为车辆是否被遮挡的判定条件，当跟踪车辆被遮挡时，利用Kalman滤波的预测结果作为车辆的位置，否则在Kalman滤波的预测结果区域中计算均值漂移向量，准确的计算目标车辆位置。算法有效地减少了Mean Shift算法的迭代次数，提高了车辆跟踪效率，同时很好地解决了车辆遮挡情况下的目标跟踪问题。