視頻場(chǎng)景中車流識(shí)別與統(tǒng)計(jì)

2萬字 41頁 原創(chuàng)作品，已通過查重系統(tǒng)


目 錄
第一章 緒論 1
1.1 論文研究背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀 2
1.3 論文研究的主要內(nèi)容 3
第二章 圖像處理預(yù)備知識(shí)與系統(tǒng)預(yù)處理 4
2.1 彩色圖像空間 4
2.1.1 RGB顏色模式 4
2.1.2 YUV顏色模式 4
2.1.3 HSV顏色模式 5
2.2圖像濾波處理 6
2.2.1 均值濾波 6
2.2.2 中值濾波 7
2.2.3 形態(tài)學(xué)濾波 7
2.2.4 連通域?yàn)V波 8
2.3 圖像分割 8
2.3.1 基于閾值的圖像分割 9
2.3.2 基于邊緣的圖像分割 9
2.3.3 連通區(qū)域標(biāo)記 10
2.4 選用的視頻材料 12
2.5 預(yù)處理及實(shí)驗(yàn)結(jié)果 13
2.6 小結(jié)本章 13
第三章 運(yùn)動(dòng)車輛檢測(cè)算法研究 14
3.1 運(yùn)動(dòng)目標(biāo)檢測(cè)算法 14
3.1.1 幀間差分法 14
3.1.2 背景差分法 15
3.1.3 光流法 15
3.2 常見的背景提取算法 17
3.2.1 中值法背景建模 17
3.2.2 多幀平均背景建模 18
3.3 提出的背景建模方法 19
3.3.1背景建模算法介紹 19
3.3.2 實(shí)驗(yàn)結(jié)果分析 21
3.4 小結(jié) 23
第四章 車輛交通參數(shù)提取 24
4.1 虛擬線圈檢測(cè)基礎(chǔ) 24
4.1.1 交通參數(shù)的定義 24
4.1.2 虛擬線圏的設(shè)置 24
4.2 檢測(cè)線灰度變化的車輛計(jì)數(shù)判定 25
4.3 提出的車輛計(jì)數(shù)判定法 27
4.4 實(shí)驗(yàn)結(jié)果分析 28
4.5小結(jié) 29
第五章 總結(jié)與展望. 30
5.1 總結(jié) 30
5.2 展望 31
致 謝 33
參考文獻(xiàn) 34




摘要 智能視頻監(jiān)控是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)新興的研究方向和備受關(guān)注的前沿 課題，在不需要人為干預(yù)的情況下，對(duì)圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng) 景中的運(yùn)動(dòng)自標(biāo)檢測(cè)、跟蹤和行為理解等操作，并能夠根據(jù)分析結(jié)果判斷是否 發(fā)出報(bào)警。智能視頻監(jiān)控系統(tǒng)克服了傳統(tǒng)監(jiān)控需要工作人員實(shí)時(shí)觀測(cè)的缺陷，節(jié)省了人力物力，增強(qiáng)了監(jiān)控判斷的準(zhǔn)確性，在軍事、交通、銀行等重要場(chǎng)所 的監(jiān)控中有著廣泛的應(yīng)用前景。而利用視頻技術(shù)進(jìn)行交通數(shù)據(jù)采集己成為智能 交通系統(tǒng)中的核心內(nèi)容和關(guān)鍵技術(shù)，它具有覆蓋面積大、獲取交通信息量豐富 等優(yōu)點(diǎn)。
論文的研究重點(diǎn)是通過交通視頻圖像，提取運(yùn)動(dòng)的車輛信息并去除有相同 運(yùn)動(dòng)特征的車輛陰影，獲取交通路口的實(shí)時(shí)車流量信息，反饋給交通控制中心 進(jìn)行交通控制管理。主要包含三個(gè)部分：運(yùn)動(dòng)車輛檢測(cè)，陰影檢測(cè)以及車流量 提取。在運(yùn)動(dòng)車輛檢測(cè)部分，通過對(duì)現(xiàn)有的各種運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的分析和比. 較，提出了一種均值濾波的直方圖統(tǒng)計(jì)法與像素均值法結(jié)合的背景建模方法，并利用單高斯模型實(shí)時(shí)更新背景，算法簡(jiǎn)單，能快速獲取較為精確的實(shí)時(shí)背景 模型。該方法較混合高斯背景模型而言，計(jì)算簡(jiǎn)潔，且在初始輸入幀的背景學(xué) 習(xí)中更為精確。提取的運(yùn)動(dòng)車輛差分圖選用OTSU方法實(shí)現(xiàn)二值化，能保留大 量的運(yùn)動(dòng)車輛信息，二值化效果良好。在陰影檢測(cè)部分，通過分析現(xiàn)有的基于 顏色空間和梯度的陰影檢測(cè)方法，提出了一種結(jié)合顏色空間和梯度的陰影檢測(cè) 方法，該方法能有效的去除陰影并保留較為完整的車輛信息，減少空洞現(xiàn)象。在車流量檢測(cè)部分，介紹了基于虛擬線圈的車流量檢測(cè)方法，以及基于矩形連 通區(qū)域面積的車輛判定法，并提出了一種新的判定依據(jù)，基于運(yùn)動(dòng)目標(biāo)外接矩 形中心點(diǎn)的判定方法，該方法能有效的減少跨道以及車體顏色與地面相似等因 素造成的誤判，檢測(cè)效果良好。
基于視頻圖像處理的車流量檢測(cè)算法原理簡(jiǎn)單，計(jì)算便捷，且對(duì)于車流量 數(shù)據(jù)的提取更為精確，通過大量實(shí)驗(yàn)仿真，能很好的實(shí)現(xiàn)系統(tǒng)預(yù)定的車流量統(tǒng) 計(jì)功能。

關(guān)鍵詞：車流檢測(cè)，直方圖，單高斯，陰影去除，虛擬線圈