视频信号处理在交通监控中的应用研究

摘要

随着道路交通系统快速发展引发的大中城市道路拥堵、交通事故等问题越来越突出，智能交通系统的研究也引起了人们的重视。智能交通系统可充分合理利用道路资源，缓解道路交通拥堵，提高通行效率，建立安全舒适的交通环境。作为智能交通系统的重要组成部分，通过交通视频信号处理来进行运动车辆检测与跟踪的系统是当前许多国家的研究热点。 本文采用固定摄像机来采集道路交通视频数据，通过分析处理视频图像序列，实现了对道路交通场景中运动目标的检测、识别和跟踪。 本文首先研究了目标检测算法，在常用目标检测算法的基础上给出了改进的目标检测算法，通过将背景差分和帧间差分相结合的方法检测运动目标，给出了目标检测结果。改进的目标检测算法可以较有效地减小外界光照等条件的变化对目标检测结果的影响，并且改善了帧间差分造成的检测出的运动目标轮廓较大的现象。 本文研究解决了运动目标识别中的一些难点问题。给出了基于阴影光谱特性和RGB颜色空间的阴影去除算法，较有效的去除了在运动目标检测过程中阴影的影响。采用8-邻域连通标记算法正反向两次扫描来识别出单幅图像中的运动目标，减少同一连通区域标号不一致情况。给出了简单的分裂合并算法，对检测出的运动目标进行识别和筛选，提取出感兴趣运动目标的最小外接矩形。研究并实现了基于运动目标外接矩形和运动联系图的运动目标跟踪方法。 本文最后研究了夜晚场景下的运动车辆检测情况及难点问题。给出了减小夜晚车辆检测中车灯干扰的方法。先结合干扰区域特性，通过梯度滤波来消除夜间车辆灯光在路面反光的干扰，然后用帧间差分法来检测运动目标，较准确提取出夜间交通场景中运动车辆轮廓。

目录

声明

摘要

插图目录

本论文专用术语注释表

第一章 绪论

1．1 课题的研究背景及意义

1．2 国内外研究概况及分析

1．2．1 国外研究概况

1．2．2 国内研究概况

1．3 论文主要研究内容及结构安排

1．3．1 论文主要研究内容

1．3．2 论文结构安排

第二章 视频图像处理基础理论概述

2．1 视频图像特点

2．2 彩色图像灰度化

2．2．1 图像的颜色空间

2．2．2 彩色图像灰度化

2．3 灰度图像二值化

2．4 图像平滑

2．4．1 邻域平均法

2．4．2 中值滤波法

2．4．3 多图像平均法

2．5 本章小结

第三章 运动目标检测算法研究

3．1 常用的运动目标检测方法

3．1．1 光流法

3．1．2 帧间差分法

3．1．3 背景差分法

3．2 背景提取与更新

3．2．1 初始背景建模

3．2．2 背景自适应更新

3．3 帧间差分和背景差分相结合的运动目标检测

3．4 本章小结

第四章 运动目标识别与跟踪

4．1 阴影的检测与去除

4．1．1 阴影的特征

4．1．2 阴影检测与去除的常用方法

4．1．3 基于RGB颜色空间的阴影检测与去除

4．2 形态学处理

4．2．1 图像腐蚀处理

4．2．2 图像膨胀处理

4．2．3 开运算与闭运算

4．3 运动目标目标识别

4．3．1 连通区域检测与标记

4．3．2 运动目标识别与筛选

4．4 运动目标跟踪算法研究

4．4．1 常用的运动目标跟踪算法

4．4．2 基于目标外接矩形的联系图跟踪算法

4．5 本章小结

第五章 夜晚车辆检测和车辆灯光干扰去除

5．1 夜晚车辆检测研究情况概述

5．2 夜晚车辆检测及车辆灯光干扰去除算法研究

5．2．1 图像梯度滤波预处理

5．2．2 帧间差分提取运动目标

5．3 系统平台搭建与实现

5．3．1 系统构成

5．3．2 系统软件平台

5．4 本章小结

第六章 总结与展望

6．1 本文总结

6．2 未来研究展望

致谢

硕士期间科研成果

参考文献