论文部分内容阅读
三年前，课题自主研发的分布式宽带监控数据单元W—DMDU成功应用于全国首条信息化高速公路——通启高速，该系统作为监控系统核心设备，实现了全数字化的全程监控，但是随着监控图像数量的急剧增加，导致传统的采用人力进行观看处理的方式难以对路况信息进行实时处理，并容易遗漏重要的路况信息。
为此，本项目组和江苏省高管中心提出进一步联合开发，旨在研究利用计算机图像识别技术其速度快、成本低、全天候工作等优点，对路况图像进行模式识别，检测诸如停车、低速、逆行、拥塞，天气恶劣等路况异常。文中就江苏省交通厅项目《基于图像处理技术的高速公路交通流异常情况告警系统研究》，提出系统总体设计方案，并对关键技术展开相应的研究和实验，并于Linux操作系统中，初步实现了运动车辆的跟踪检测和行为分析。同时，文中所提出的关键技术作为江苏省自然科学基金项目重大项目已通过初审。
主要研究内容：(1)分析了全程联网监控系统网络结构，提出了预警系统的网络构架，并针对高速公路监控视频的特点，给出了路况异常检测算法的结构和流程，包括ROI检测、摄像机标定、运动检测、跟踪算法和车辆行为分析等共5个关键算法模块及其相互关系。(2)探讨了多种霍夫变换的方法，提出检测路况图像中的车辆分割线，确定图像中的ROI，屏蔽与道路无关幅面，减少计算量。(3)根据车辆分割线在图像中的位置，研究推导当前云台摄像机的位置和焦距，实现成像平面与路面的转换，为车辆速度、大小等参数计算提供依据。(4)通过分析各种传统目标检测技术的优缺点，以基于图像差的目标检测方法为基础，研究提出在摄像机静止的条件下，自然道路背景中运动车辆的快速有效地检测方法。(5)以卡尔曼滤波理论为基础，建立在自然道路背景下运动车辆状态预测的卡尔曼滤波模型，并根据预测运动车辆的运动方向及运动位置，采用模板匹配和不变矩匹配相结合的方法，精确计算运动车辆的位置，运动方向，行驶轨迹等，并以此为基础计算车辆运动速度，为其行为判决提供依据。(6)根据运动车辆参数特点，研究采用各种分类器算法，分析车辆具体行为，从而分离异常图像并提出报警。(7)描述了基于Linux操作系统，采用C++作为开发语言的运动车辆行为视频预警系统开发，介绍了路况试验，分析了系统的鲁棒性和准确性。
最后，文中给出并分析了实验结果，指出该系统根据功能、实时性、鲁棒性要求，使用多种算法，较好的融合了高速公路现有的云台摄像机，及时从大量的监控视频中分离出预设的异常情况，为全省高速公路的智能化奠定基础。