论文部分内容阅读
智能交通是解决当今由于经济发展所带来的交通问题的根本办法。交通信息的获取是智能交通中的一个基本问题。传统上，这些数据是通过地感线圈给出的，但是由于其测量范围的限制，已经越来越不能满足理论研究和实际应用的需求。本文采用了基于视频分析的交通流量检测方法。视频的优点是能实时的提供大范围交通场景的数据。基于视频分析的交通信息采集系统可以获得的信息很多，如：车道流量、速度、占有率、车辆类型、车牌号码、交通事故等。本文主要对智能交通系统中交通流量统计的主要方法进行了研究。主要内容包括：基本的车辆检测算法、车辆计数算法、适合交通监控场景的摄像机标定算法和车辆排队长度检测算法等。具体工作主要包括以下两个方面：
1．针对现有车辆计数算法的不足，进行了改进，实现了一个基于虚拟线圈的车辆计数系统，该系统在多种光照和交通状况下都可准确的进行车辆计数。该系统在白天和夜晚采用了不同车辆计数算法：白天情况改进了现有计数方法在车辆相连时漏检和车辆因拥堵而时动时停时造成重复计数的缺点；在夜晚复杂的光照条件下，利用车灯这一夜晚车辆的显著特征进行车辆检测，实现车辆准确计数。同时提出一种白天夜晚判别的算法实现计数算法的自动切换。
2．针对现有车辆排队长度检测系统不能在夜晚很好地工作和无法给出队列实际长度的不足，本文实现了一个完整的车辆排队长度检测算法。对白天和夜晚不同光照条件采用不同的队列检测算法：在白天光照条件下，采用移动检测窗来进行车辆排队检测，在每一个检测窗内，通过三帧差法运动检测和形态学边缘检测进行车辆存在检测两步判断有无车辆排队；针对夜晚场景，同样采用移动检测窗，然后通过车灯这一显著特征进行车辆检测实现车辆排队检测。队列长度计算通过摄像机标定完成，找到一种仅利用车道线的、简单有效的摄像机标定方法。实验表明该方法可以准确检测出车辆排队并计算出其长度。