智能交通系统中车辆提取与计数算法研究

摘要

伴随着经济的快速发展，车辆迅速增多，交通压力日益增大，如何改善交通状况成为各国的重要问题。智能交通系统在这种背景下得以迅速发展，各国都投入很大的精力研究。基于视频的智能交通系统由于其自身的众多优点，成为现在研究的热点。车辆的提取技术是基于视频的智能交通系统的基础，它在交通监视和控制中占有很重要的地位，直接影响到后续工作的难易程度和准确度。本文针对目前车辆提取中存在的几个难点问题分别进行了研究。 1，本文采用基于RGB空间的背景抑制方法来提取运动区域。通过本文提出的基于T分布的背景重建算法恢复出一帧不包含运动物体的背景图像，在进行车辆提取的同时对背景进行更新，使得背景图像能准确反映外界环境的变化，为准确提取运动车辆提供了保障。实验结果表明：相比其它算法本文的算法可以提取更完整的运动区域。并且本文考虑到环境光线发生突变的情况，为了在这种情况下正确提取运动车辆，二值化差图像时采用的阈值加上了灰度的平均变化。 2，提取的车辆区域包含阴影，会使车辆区域变大，距离较近的车辆会被阴影粘连到一起。本文研究了阴影去除的两种方法，分别是基于HSV空间的阴影去除方法和蓝波段信息阴影去除算法。 3，车辆发生遮挡和粘连的情况下，准确的提取每一辆车也是一大难点。本文尝试用两种方法去处理这个问题。一种是利用在LAB空间聚类的方法，此方法可以确定出区域中车辆数目，但是无法分割开每一辆车；另外对于一种常见的遮挡情况(本文定义为左右遮挡)，给出了判断是否遮挡的依据，并通过分析发生遮挡的区域的形状区分割开其中的每一辆车，部分解决了遮挡问题。 在完成上述操作后，本文统计当前帧图像中的瞬时车辆数目，与单位时间内通过的车辆数目相比，能反映实时的交通状况，为交通控制提供依据。

目录

文摘

英文文摘

大连海事大学学位论文原创性声明和使用授权说明

第1章绪论

1.1课题背景及意义

1.2研究现状

1.3本文的主要工作

1.4论文内容安排

第2章基础理论

2.1彩色空间

2.1.1 RGB模型

2.1.2 HSV模型

2.1.3 LAB模型

2.2中值滤波

2.2.1中值滤波算法

2.2.2中值滤波特性

2.3形态学操作

2.3.1腐蚀和膨胀

2.3.2开运算和闭运算

2.3.3填充操作

2.4区域描述

2.4.1区域面积

2.4.2边界长度

2.4.3区域重心

2.4.4区域灰度

2.4.5形状参数

2.5模糊聚类方法

2.5.1模糊C均值算法

第3章背景重建与更新

3.1背景重建算法综述

3.1.1统计背景模型

3.1.2确定背景模型

3.2基于T分布的动态背景重建

3.2.1基于T分布的变化检测

3.2.2始背景的建立和背景的更新

3.2.3实验结果

第4章运动检测和计数

4.1运动检测算法概述

4.1.1帧差方法

4.1.2光流法

4.1.2背景抑制法

4.2基于RGB空间的背景抑制算法

4.2.1算法介绍

4.2.2噪声估计

4.2.3实验结果

4.3阴影检测

4.3.1阴影的机理

4.3.2检测算法

4.4加方框

4.5区域融合

4.6形状分析

4.7发生遮挡区域的车辆数目确定

4.7.1颜色聚类

4.7.2形状分析

4.7计数算法

第5章总结和展望

5.1算法流程

5.2总结

5.3展望

参考文献

附录A T分布分位数表

攻读学位期间公开发表论文

致 谢

研究生履历