基于視頻的交通參數(shù)檢測(cè)技術(shù).doc

《基于視頻的交通參數(shù)檢測(cè)技術(shù).doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、基于視頻的交通參數(shù)檢測(cè)技術(shù)　　摘要：智能交通系統(tǒng)（ITS）是現(xiàn)代交通領(lǐng)域的研究熱點(diǎn)，而交通參數(shù)的檢測(cè)是ITS中的重要組成部分。本文主要研究了基于視頻的交通參數(shù)的檢測(cè)方法，分析了各種方法的算法?！　￡P(guān)鍵詞：交通參數(shù)檢測(cè)視頻　　中圖分類號(hào)：TP2文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-9416（2014）04-0054-01　　當(dāng)今車輛的日益增長(zhǎng)給城市的道路管理帶來(lái)嚴(yán)峻的挑戰(zhàn)，如何保證交管部門(mén)能實(shí)時(shí)獲得交通信息，成為當(dāng)前的熱點(diǎn)研究課題。而由于人力資源有限，現(xiàn)在絕大多數(shù)交通路面等信息都是由有攝像頭采集，這些視頻信號(hào)的采集、處理及傳輸?shù)馁|(zhì)量影響了交管部門(mén)的管

2、理。所以對(duì)這些技術(shù)的研究，能減輕交管部門(mén)的工作量，使其更好地為人民服務(wù)?！　?視頻的采集　　視頻采集主要通過(guò)架在道路上的固定攝像頭完成，通過(guò)該設(shè)備采集的視頻具備如下特點(diǎn)，使得后期的圖像處理有規(guī)律可循?！　∮捎跀z像頭相對(duì)固定，所以采集的圖像相鄰幀之間的差異不大；根據(jù)交通視頻的需求，一般感興趣的區(qū)域基本集中在攝像頭前4～5米處，所以圖像處理起來(lái)有獨(dú)特的方法?！　?前期處理　　由于照相機(jī)的位置及受到環(huán)境因素的影響，首先要對(duì)采集的圖像進(jìn)行預(yù)處理。預(yù)處理主要包括圖像的矯正，濾波、增強(qiáng)等。　　濾波主要目的是去除圖像的噪聲干擾。在道路交通參數(shù)視頻檢測(cè)中，對(duì)攝

3、像機(jī)獲取的初始圖像產(chǎn)生影響的噪聲主要來(lái)自檢測(cè)現(xiàn)場(chǎng)的環(huán)境噪聲和檢測(cè)系統(tǒng)的設(shè)備噪聲。為了將噪聲對(duì)圖像干擾的程度最小化，必須對(duì)圖像進(jìn)行濾波去噪處理。　　采用鄰域平均法的特點(diǎn)就是減少椒鹽噪聲的影響，但是由于平均算法的特點(diǎn)，對(duì)圖像去噪的同時(shí)也會(huì)對(duì)圖像的精細(xì)度和層次性產(chǎn)生不良的影響，比較適合用于對(duì)圖像掃描設(shè)備獲取的圖像進(jìn)行處理?！　≈兄禐V波是一種非線性去噪方法，它是利用噪聲在圖像屬性序列中相對(duì)突出的特點(diǎn)，用周邊區(qū)域的圖像屬性的中值來(lái)取代噪聲點(diǎn)得屬性值，這種濾波方法有很好地抑制脈沖干擾和椒鹽類的噪聲的作用，能夠保護(hù)圖像的邊緣不變模糊，對(duì)于圖像邊界的影響比較小

4、，所以適合交通圖像的處理，經(jīng)過(guò)中值濾波后的圖像在圖像質(zhì)量上要優(yōu)于濾波前的圖像?！　⌒〔ㄈピ敕ㄊ峭ㄟ^(guò)對(duì)圖像進(jìn)行分解后將閾值量化并重建圖像信號(hào)的方式，優(yōu)點(diǎn)是對(duì)于處理圖像中的某些細(xì)節(jié)可以進(jìn)行保留?！　D像的對(duì)比增強(qiáng)是指對(duì)采集到的初始圖像進(jìn)行處理，強(qiáng)調(diào)出圖像中車輛目標(biāo)的整體特性，使得車輛目標(biāo)在圖像中與其他物體的差別增大，為后期的分析提供條件。　　3基于視頻的車輛檢測(cè)方法　　視頻交通監(jiān)控系統(tǒng)的關(guān)鍵是進(jìn)行車輛的檢測(cè)，對(duì)于基于視頻的車輛檢測(cè)算法有很多種，常見(jiàn)的算法有灰度比較法、背景差法、幀差法、邊緣檢測(cè)法、虛擬檢測(cè)窗、選擇性更新背景、路面標(biāo)記法等，判斷算法優(yōu)

5、劣的首要標(biāo)準(zhǔn)是實(shí)時(shí)性?！　』叶缺容^法是根據(jù)車輛和路面的灰度信息特征不同來(lái)區(qū)分的，這種方法的缺點(diǎn)是對(duì)環(huán)境和光線的變化敏感，車輛顏色有很多，很難以確定車輛的灰度級(jí)別，因此這種檢測(cè)系統(tǒng)的穩(wěn)定性能不夠。背景差法是通過(guò)輸入幀與背景圖像之差，來(lái)檢測(cè)前景物體。這種算法的缺點(diǎn)由于背景時(shí)刻更新，所以這種算法適合檢測(cè)靜止車輛，而對(duì)于視頻環(huán)境光線的變化和運(yùn)動(dòng)陰影敏感?！　罘ㄊ菍D像的相鄰兩幀進(jìn)行相減，以濾除其中的靜止物體，保留運(yùn)動(dòng)物體。這種算法的不足之處是不能去除攝像頭抖動(dòng)引起的干擾和不能檢測(cè)靜止車輛，優(yōu)點(diǎn)是對(duì)車輛周圍的環(huán)境光線的變化不敏感。但是由于圖像的采樣頻

6、率固定，所以這種算法會(huì)導(dǎo)致系統(tǒng)會(huì)收到車輛運(yùn)動(dòng)速度的影響，車速過(guò)快或者過(guò)慢都會(huì)有可能導(dǎo)致檢測(cè)誤差?！　?基于視頻的道路交通參數(shù)的檢測(cè)　　隨著視頻車輛檢測(cè)技術(shù)的不斷發(fā)展，人們已經(jīng)不再滿足于只檢測(cè)車輛，更希望能用此項(xiàng)技術(shù)來(lái)提取道路交通參數(shù)，比如車流量、車速檢測(cè)、車型判斷或者車輛轉(zhuǎn)向信息等等?；诖隧?xiàng)技術(shù)的智能交通系統(tǒng)在現(xiàn)代交通發(fā)展中起到了舉足輕重的作用。與傳統(tǒng)的磁感應(yīng)線圈檢測(cè)器作為車輛檢測(cè)和流量計(jì)數(shù)的手段相比，基于視頻圖像技術(shù)的方法可靠性和準(zhǔn)確性高，更加直觀、監(jiān)視范圍廣，成本費(fèi)用相對(duì)較低，因而得到了廣泛的應(yīng)用。通過(guò)對(duì)道路交通參數(shù)的檢測(cè)、分析和處理，能

7、夠提高道路通行能力，減少交通事故，緩解交通壓力。　　車流量的檢測(cè)　　車流量檢測(cè)指在一定的時(shí)間間隔內(nèi)，通過(guò)道路或道路上某車道的某橫截面的車輛數(shù)。車流量是衡量交通狀況的重要參數(shù)之一，常見(jiàn)的檢測(cè)方法如下：　?。?）初始化流量計(jì)數(shù)為0；　?。?）檢測(cè)車輛，若當(dāng)前幀圖像沒(méi)有車輛，表示無(wú)車輛通過(guò)，流量不計(jì)數(shù)，否則轉(zhuǎn)步驟（3）；　?。?）如果前一幀圖像沒(méi)有車輛，則流量計(jì)數(shù)，否則轉(zhuǎn)步驟（4）　?。?）計(jì)算前后兩幀圖像質(zhì)心距離，如果大于閾值，則車輛計(jì)數(shù)，否則不計(jì)數(shù)?！　≤囕v速度的檢測(cè)　　系統(tǒng)首先獲取背景，利用幀差法可以提取出目標(biāo)車輛，并對(duì)目標(biāo)區(qū)域進(jìn)一步處理、跟蹤

8、和識(shí)別。系統(tǒng)通過(guò)對(duì)視野下沿和攝像頭的水平距離S1，以及視野中線到攝像頭的水平距離S2的標(biāo)定，并通過(guò)對(duì)視頻流的分析確定車輛通過(guò)的時(shí)間t，計(jì)算出車輛的行使