基于达芬奇平台的夜间车辆检测系统的设计与实现

摘要

本文研究并实现了基于达芬奇平台的夜间车辆检测系统。该系统在嵌入式平台上实时分析交通视频信号，准确计算出车流量、车速等交通参数，并能有效抵抗车灯直射摄像头产生的光晕、路面倒影等干扰。
　　 本文首先分析了国内外夜间车辆检测的发展现状，阐述了基于嵌入式平台的夜间车辆检测系统的应用需求，对夜间车辆检测算法进行了方案设计和比较，确定使用基于车灯识别的车辆检测方法，并分别从视频采集及形态学处理、车灯的筛选与匹配以及车辆追踪等模块对该算法进行了详细阐述。针对夜间与白天采用的车辆检测算法不同，本文采用基于路面亮度变化结合日出日落时间的方法，进行算法切换。
　　 然后本文使用TI达芬奇系列DM6437为平台来进行算法实现，并采用了强光抑制摄像头来改善视频采集效果，解决车前灯直射普通摄像头会产生较大光晕，以至于大幅度影响车辆检测率的问题。通过算法在DM6437上的优化，系统达到了每秒10帧左右的处理速率，并且在各种夜间场景下的车辆检测率不低于90％，这样论文就实现了在达芬奇平台上实时、准确地进行夜间车辆检测。

目录

声明

摘要

第1章 绪论

1．1 研究背景及研究内容

1．1．1 研究背景

1．1．2 本文的研究目标和内容

1．2 研究重点

1．3 论文主要工作

第2章 夜间车辆检测方案设计

2．1 夜间检测场景描述

2．1．1 强光抑制摄像头

2．2 夜间车辆检测算法选择

2．2．1 基于Adaboost的Haar-like特征的检测算法

2．2．2 三帧差分法

2．2．3 基于车灯识别的检测算法

2．2．4 三种算法的对比与选择

2．3 车辆追踪算法

2．4 本章总结

第3章 基于车灯识别的夜间车辆检测方法

3．1 算法框架

3．2 算法各模块介绍

3．2．1 感兴趣区域划分、摄像头标定

3．2．2 图像二值化

3．2．3 形态学处理

3．2．4 连通区域标定

3．2．5 筛选车灯模块

3．2．6 车灯对匹配模块

3．2．7 车辆追踪

3．3 交通信息计算

3．3．1 车流量

3．3．2 车速

3．3．3 占有率

3．4 本章总结

第4章 昼夜车辆检测切换方法

4．1 问题背景分析

4．2 感兴趣区域的确定和亮度中值的选取

4．3 亮度模型分析与切换时间选择策略

4．4 昼夜切换算法运行开始时间的确定

4．5 切换时间点的确定方法

4．6 算法实现流程

4．7 算法测试及结果分析

第5章 系统硬件实现及测试结果分析

5．1 系统硬件平台

5．1．1 算法分析平台介绍

5．1．2 图像编码及网络传输平台介绍

5．2 系统实现

5．2．1 基于DM6437的交通分析算法实现

5．2．2 基于DM365的JPEG图像编码及网络传输

5．3 系统性能测试

5．3．1 普通CCD摄像头与强光抑制摄像头的比较

5．3．2 嵌入式平台上的检测效果

5．4 本章总结

第6章 总结与展望

6．1 论文总结

6．2 展望

致谢

参考文献