資源描述：
《基于視頻的車流量統(tǒng)計(jì)算法設(shè)計(jì)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于視頻的車流量統(tǒng)計(jì)算法設(shè)計(jì)摘要：智能交通系統(tǒng)(ITS)已經(jīng)被科學(xué)家認(rèn)為是解決當(dāng)前城市交通問題最有效的方法,也是目前和未來交通發(fā)展的主流方向。ITS的前提是獲得交通道路的實(shí)時(shí)信息,比如車速、車流量等。本文主要研究ITS中基于視頻檢測(cè)技術(shù)的車流量統(tǒng)計(jì)方法,對(duì)所涉及的運(yùn)動(dòng)目標(biāo)檢測(cè)、背景提取、陰影去除以及車輛統(tǒng)計(jì)等核心技術(shù)進(jìn)行了詳細(xì)的研究。本文的工作主要分為以下四部分：1)對(duì)車流量統(tǒng)計(jì)相關(guān)算法進(jìn)行了研究,針對(duì)目標(biāo)檢測(cè)算法,研究了光流法、幀間差分法和背景差分法。針對(duì)背景提取算法,研究了均值法、統(tǒng)計(jì)中值法、單高斯背景模型法和混
2、合高斯背景模型法；針對(duì)陰影消除算法,研究了基于HSV顏色空間變換的陰影消除算法、基于色彩特征不變量的陰影消除算法和基于紋理特征的陰影消除算法。同時(shí),本文對(duì)上述算法進(jìn)行了實(shí)驗(yàn)對(duì)比分析。2)給出了一種改進(jìn)的混合高斯模型背景提取算法,當(dāng)讀入一定幀數(shù)的圖像之后認(rèn)為背景達(dá)到穩(wěn)定狀態(tài),讀入新的視頻幀時(shí),對(duì)當(dāng)前幀進(jìn)行判斷,如果像素點(diǎn)和穩(wěn)定背景圖像的像素點(diǎn)差值大于閾值Th1,就對(duì)該像素點(diǎn)進(jìn)行更新,反之就不更新。3)給出了一種改進(jìn)的基于虛擬區(qū)域的車流量統(tǒng)計(jì)算法,首先設(shè)置檢測(cè)區(qū)域和檢測(cè)線,然后跟蹤檢測(cè)區(qū)域中車輛的質(zhì)心到檢測(cè)線的距離d,如
3、果d小于Th2認(rèn)為有一輛車輛通過,通過實(shí)驗(yàn)驗(yàn)證,本文算法的精確率能達(dá)到90%左右。4)實(shí)現(xiàn)了一個(gè)車流量統(tǒng)計(jì)系統(tǒng),整個(gè)系統(tǒng)主要包括視頻播放模塊、GMM背景更新模塊、前景構(gòu)建模塊和車輛計(jì)數(shù)模塊。視頻播放模塊主要完成視頻的播放和顯示；GMM背景更新模塊主要是實(shí)現(xiàn)本文的背景提取算法；前景構(gòu)建模塊的主要功能是通過陰影去除和形態(tài)學(xué)操作得到較好的前景圖像；車輛計(jì)數(shù)模塊的主要功能是完成本文的車流量統(tǒng)計(jì)算法。本文深入研究了車流量統(tǒng)計(jì)的相關(guān)算法,并給出了一種改進(jìn)的混合高斯模型算法和一種改進(jìn)的基于虛擬區(qū)域的車流量統(tǒng)計(jì)算法,最后用VC實(shí)現(xiàn)了
4、一個(gè)車流量統(tǒng)計(jì)系統(tǒng),實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的系統(tǒng)能夠?qū)囕v目標(biāo)進(jìn)行準(zhǔn)確檢測(cè)與統(tǒng)計(jì)。關(guān)鍵詞：智能交通系統(tǒng)；運(yùn)動(dòng)目標(biāo)檢測(cè)；背景提取；陰影消除；車流量VideotrafficbasedonstatisticalalgorithmdesignAbstract:IntelligentTransportationSystems(ITS)hasbeenconsideredbyscientiststosolvethecurrentproblemofurbantrafficthemosteffectivemethod,butalsoth
5、epresentandfuturedirectionofthemainstreamtransportdevelopment.ITSisaprerequisitetoobtainreal-timetrafficandroadinformation,suchasspeed,trafficandsoon.ThemainarticleITSstatisticalmethodsbasedontrafficvideodetectiontechnologyinvolvedinmovingtargetdetection,backgr
6、oundextraction,shadowremovalandvehiclestatisticssuchasthecoretechnologyforadetailedstudy.Themainworkofthispaperisdividedintothefollowingfourparts:1）Statisticsontrafficrelatedalgorithmshavebeenstudiedfortargetdetectionalgorithmtostudytheopticalflowmethod,theinte
7、r-framedifferenceandbackgroundsubtraction.Forbackgroundextractionalgorithm,themeanvaluemethod,statisticalmedianmethod,asingleGaussianbackgroundmodelmethodandGaussianmixturebackgroundmodellaw;againstshadoweliminationalgorithmtostudytheHSVcolorspaceconversionbase
8、dshadoweliminationalgorithm,basedoncolorcharacteristicsinvariantsshadoweliminationalgorithmandtexturefeaturesbasedonthealgorithmtoeliminateshadows.Meanwhile,thepaperofthealg
