论文部分内容阅读
城市交通监控系统是智能交通系统的重要组成部分之一,传统的交通监控模式已越来越不适应日益增加的城市车辆的需要。本课题将基于电磁感应技术的车辆检测器、射频识别技术以及数字图像处理技术应用于城市交通监控系统中,通过融合处理多种传感器信息,对城市交通实施智能化监控。本文对交通监控中的图像处理、信息融合以及智能控制等关键技术进行了研究。论文的主要研究内容包括:提出了基于帧间颜色梯度的背景建模方法。针对交通视频的特点,将交通画面分区,根据帧间子区域的颜色梯度来检测背景区域,综合子区域背景图像建立背景模型;根据建立的背景模型,采用背景图像差分法提取运动目标,在以自动阈值法进行二值化处理后,利用形态学滤波器进行滤波,并根据颜色特征检测目标的阴影。实验表明该背景建模方法能满足交通监控环境的要求。提出了对目标采取先分类、后跟踪的方法提取车辆的运动轨迹,并判断其违章情况。根据面积和形状复杂度两个特征,以模糊聚类算法对目标进行分类;根据城市交通监控的特点建立约束条件,对分类出的车辆目标,以距离、平均灰度差以及面积差三个特征值建立距离测度函数,通过搜索全局最优匹配的方法来确定相邻帧中车辆目标的对应关系,对车辆目标的轨迹进行跟踪。实验表明,利用这些特征可以对目标进行有效分类和跟踪。提出融合全景和近景摄像机信息进行自动车牌识别。利用全景和近景摄像机同步拍摄交通视频,以近景摄像机的画面识别车牌;利用改进的彩色Sobel梯度算子对图像进行边缘检测,以改进的形态学滤波器处理二值图像;针对车牌候选区域,利用多个特征值作为输入量建立模糊神经网络对车牌进行精确定位;然后对车牌区域进行二值化处理以及矫正,按字符的长宽比分割字符,以模板匹配法识别字符,并对一些相似字符进行多次移位匹配,取最佳匹配结果为识别结果。提出将射频识别技术应用于城市交通监控系统,并对车辆信息以及数据管理方式进行了规划,论述了对多种信息进行融合处理,可以解决一些传统交通管理模式下的难题,在实验中对部分功能进行了仿真测试。采用模糊控制算法,对单十字路口的交通信号优化配时进行仿真分析,提出以空闲时间和车辆延误数来综合评价控制策略,根据评价结果自动调整输入模糊集论域,以适应不同交通状况的配时需要。仿真实验表明调控效果明显。