基于视频图像的车辆检测与流量统计方法研究

摘要

城市道路交通问题已经成为城市管理所面临的最大挑战之一，智能交通系统(ITS)被视为是最有效的解决方法和未来交通的发展方向。交通车流量统计是智能交通系统的关键技术之一，同时也是实现智能交通诱导和控制的前提。基于视频图像处理技术的车流量检测以其独特的优势已成为智能交通系统领域的一个研究热点。
　　 本文主要研究了智能交通系统中基于视频图像处理技术的车辆检测和流量统计方法，在参阅了国内外较多相关文献的基础上，对所涉及到的数字图像处理、运动目标检测、实时背景更新和车辆统计等核心技术做了重点研究，并在此研究结果的基础上开发了一套基于视频检测的交通车流量统计软件系统。研究工作内容主要包括以下几个部分:
　　 (1)介绍了基于视频的车流量检测中所要用到的各种数字图像处理技术，主要包括视频图像的采集及数字化、彩色图像的灰度转换、图像的平滑滤波、二值化阈值分割及形态学处理等，而且这些技术也对ITS信息检测发挥了非常重要的作用;
　　 (2)介绍了几种目前常用的基于视频的运动车辆目标检测算法，通过分析帧间差分法和背景差分法在检测中存在的优缺点，重点讲述了将这两种方法结合使用进行运动目标检测的Surendra算法，并根据车流量检测的实际情况对该算法进行改进，以获得更好的检测效果;
　　 (3)采用在视频图像的车道上设置虚拟检测窗口的方法，结合运动车辆目标检测的结果对检测窗口内的图像信息进行计算、分析，并依此得到实时的交通流量信息;
　　 (4)根据以上研究内容，在Windows操作平台上利用VC++6.0和OpenCV编程实现一个基于视频图像检测的车流量统计系统，并对不同的交通视频文件进行实验，通过实验结果的对比、分析和总结，以验证本文方法的有效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 视频检测技术在国内外发展现状

1．2．1 国外发展现状

1．2．2 国内发展现状

1．3 交通流的几个重要参数

1．4 本文研究内容及结构

1．4．1 本文研究内容

1．4．2 本文组织结构

第二章 车流量检测中的视频图像处理技术

2．1 图像采集及数字化

2．2 彩色图像的灰度化

2．3 图像的平滑滤波

2．3．1 邻域平均法

2．3．2 多图像平均法

2．3．3 中值滤波法

2．4 图像的二值化

2．4．1 直方图二值化

2．4．2 循环分割二值化

2．4．3 最大类间方差

2．5 形态学处理

2．5．1 膨胀和腐蚀

2．5．2 开启和闭合

2．6 本章小结

第三章 运动车辆目标的检测与提取

3．1 基于视频的车辆目标检测算法概述

3．1．1 帧间差分法

3．1．2 背景差分法

3．1．3 光流法

3．2 背景建模方法

3．2．1 多帧平均法

3．2．2 统计中值法

3．2．3 混合高斯模型法

3．2．4 Surendra背景更新法

3．3 基于改进Surendra算法的车辆检测方法

3．3．1 实时背景更新

3．3．2 运动车辆目标的提取

3．3．3 修正干扰信息

3．4 本章小结

第四章 基于虚拟检测窗口的车流量统计

4．1 系统整体框架

4．2 虚拟检测窗口的设置

4．3 车流量统计

4．3．1 运动状态分类

4．3．2 车辆计数

4．4 本文算法描述

4．5 实验与结果分析

4．5．1 系统平台搭建

4．5．2 系统检测步骤

4．5．3 实验结果与分析

4．6 本章小结

第五章 总结与展望

5．1 结论

5．2 展望

攻硕期间从事的科研工作及取得的研究成果

致谢

参考文献