论文部分内容阅读
道路交通信息检测是智能交通系统（ITS）中的一项核心技术。道路交通信息检测的准确性、全面性、实时性以及信息粒度的精细程度决定了ITS理念应用的深度。因此，作为信息来源的自动检测技术越来越受到广大科研人员的重视，其中基于视频图像处理的交通信息检测技术由于具有成本低、安装方便、开发潜力大、检测信息丰富、可全范围检测等的优点，被公认为目前最具研究价值的交通信息检测技术，对其进行深入研究并使其检测出的交通信息的信息粒度更加精细具有十分重要的理论意义和实际应用价值。本文围绕基于视频的细粒度交通参数智能检测中的一些关键问题，分别对其在PC机平台和DM642DSP硬件平台的应用进行展开深入研究，针对现有技术方法的不足，以及DSP硬件平台主频和存储空间非常有限的问题，提出了若干富有创新性和实用性的解决方案和新算法，并通过丰富的实验加以验证。主要工作和研究成果如下：
1、研究基于视频的运动车辆分割及车道标志线检测技术。首先对常用的运动车辆分割算法进行对比研究，选择了基于背景差分的运动车辆分割算法，然后对常用的背景提取算法进行对比研究，提出了一种帧间差分与选择性统计相结合的背景提取算法。最后对常用的车道标志线检测算法进行对比研究，提出了一种新的基于改进的Hough变换的车道标志线检测算法以适应PC机平台的应用，同时提出了一种改进的并结合参数空间分块的Hough变换算法对车道标志线进行检测以适应DSP硬件平台的应用。
2、研究连通区域标记及运动车辆阴影检测与去除技术。首先对常用的连通区域标记算法进行对比研究，提出了一种基于二值图像游程编码的遍历一次的连通区域标记算法。然后对常用的运动车辆阴影检测与去除算法进行对比研究，提出了一种适合于PC机平台的基于纹理自相关和整数小波变换相结合的阴影检测与去除算法，同时提出了一种适合于DSP硬件平台的基于纹理自相关和Sobel相结合的阴影检测与去除算法。
3、研究车辆跟踪特征提取及车辆跟踪技术。由于基于特征的车辆跟踪算法即使是在车辆部分相互遮挡的情况下，车辆的可见特征仍然可以为跟踪提供依据，因此该算法具有较强的鲁棒性。本文选择了基于特征的车辆跟踪算法。通过对常用的跟踪特征提取算法进行对比研究，提出了一种适用于DSP硬件平台的基于纹理的感兴趣跟踪特征提取算法。最后通过对常用的车辆跟踪算法进行对比研究，提出了一种适合于PC机平台的基于KALMAN滤波和强化学习相结合的车辆跟踪算法，同时提出了一种适合于DSP硬件平台的基于KALMAN滤波和相关匹配相结合的车辆跟踪算法。
4、研究车型特征提取及车型分类技术。通过对常用的车型分类特征提取算法进行对比研究，提出了一种基于灰度投影和矩的车型分类特征提取算法以适应PC机平台的应用。最后通过对常用的车型特征提取和车型分类算法进行对比研究，提出了一种适合于PC机平台的基于Adaboost．M1理论的车型分类算法，同时提出了一种适合于DSP硬件平台的基于C4．5决策树的车型分类算法。
5、研究关键细粒度交通参数的检测和计算技术。鉴于车辆碰撞事件的判别在交通事件检测领域的重要性，提出了一种基于车辆行驶轨迹光滑度度量的碰撞事件预测算法。