基于视频的道路交通拥挤检测系统的研究

• 作 者: 李钊
• 机 构: 长沙理工大学
• 出 处: 长沙理工大学
• 发表日期: 2013年期
• 关键词: 拥挤检测 数据挖掘 聚类分析 DSP技术 视频处理 智能交通

伴随着经济的快速发展，以车代步出行的便利性，全国各地机动车保有量逐渐突破路网的通行上限，供需失衡带来的交通拥挤困扰，成为人们亟待解决的问题。各国都致力于智能交通的研究，试图将先进的传感器技术、数据通信技术、RFID技术、信息论技术、计算机技术集成到交通部门的管理平台，希望构建一个实时性好、准确性高的运输管理系统，使整个运输体系智能化程度更高。　　
作为智能交通的子课题——道路拥挤检测，不断有新的检测技术应用到这个领域。本文就目前道路拥挤的现状，分析交通拥挤发生时的特征参数、特征模式后，结合数据挖掘技术较强的分辨能力，识别交通拥挤程度。首先前置摄像头对交通流进行监控，获取相关交通流参数后，利用多层神经网络MLP的模式识别能力，对交通运行状态做出大致评估，若当前交通发生拥挤，接着结合蚁群算法的遍历性，对采集的交通样本进行聚类分析，进一步确认交通拥挤的程度，实际表明此方法可生成较少归类数目，可以减少系统开销。最后结合交通诱导系统、地理信息系统GIS发布当前交通运行状况，优化路网交通流，提高人们出行效率。实验数据表明，该方法在道路拥挤识别方面，实用性好。　　
在数据采集方面，对摄像头采集的交通视频，利用数字信号处理技术，根据图像灰度变化，提取当前交通流运行参数。同时设计一种硬件电路，快速统计车流量等交通信息，以提高识别效率，较少系统开销。为了消除失真数据的影响，结合小波变换的多分辨特性，对信号展开分析，消除噪声干扰时，会保留更多的图像细节信息。　　
系统以德州仪器公司开发的高性能数字信号处理器TMS320DM642作为实验平台，利用其对数据的高速运算性能，对相关算法进行验证和模拟，取得一定实验效果。同时对处理器的扩展，以及与相关外设如何通信进行了讨论。