论文部分内容阅读
当今社会,车辆迅速增长,人们对交通网络的需求也越来越强烈,只是依靠加宽道路已经不能解决问题,这样的情况下,如何对交通网络更为高效地管理便成为关键,而此时智能交通系统的出现为这一问题的解决提供了方向,对监控视频中交通信息的提取是这个领域的重点研究内容,它可以为做出交通决策提供有力支持,缓解交通压力,对交通车辆进行合理调度,使交通网络得以高效地进行运作。首先,本文对获取到的视频图像做一定的处理,使得图像达到可以实现车辆检测的要求,这些处理包括灰度的转换,直方图均的衡化,去噪,二值化,形态学操作等内容,然后仿真得出结果,并进行了对比,选出最优的处理方法。然后,再检测运动车辆,这是车辆跟踪和交通信息提取的重要前提,通过对比各种方法,并且通过对比实验结果,选取了背景差分法,因为背景差分法可以获取到完整的车辆,而且这种方法的计算量小,可以应用于对实时性要求高的场景中。之后需要对背景建模,通过改进常用的背景建模方法,使得静止或运行速度很慢的车辆不会被当作背景,能快速准确获取到背景。针对车辆阴影的存在,改进了常用的车辆阴影去除方法,这种方法相比于常用的阴影去除方法要更加有效,阴影去除完全而且不会丢失车辆信息。其次,本文实现了车辆的跟踪,这对接下来的车辆信息提取有着很关键的作用。通过对比跟踪方法,本文最终选取了Camshift算法来跟踪车辆,并引入了卡尔曼滤波器预估车辆接下来的运动情况,减小了对车辆位置搜索的范围,很大程度上加快了运算速度,使得车辆跟踪更为高效,并且由于Camshift算法的特性,车辆遮挡问题也能在一定程度上得到解决。最后,本文对交通信息进行了提取,其中包括对车速进行测量,对车流量进行获取,检测车辆是否违章停车以及车辆是否逆行,并且对这些要获取的交通信息,实验得出结果,根据结果可以得出结论,这些方法的准确性和速度都能满足要求。在车速车辆测速中,改进了常用的车辆测速方法,使得测速结果更加精确。在违章停车的检测中,改进了常用的违章停车检测方法,这种方法的检测速度快,适合在监控视频中这种对实行性要求高的场景下使用。