基于图像处理的车辆跟踪与交通事件检测

摘要

交通事件检测系统是交通信息采集系统的子系统，它是智能交通系统的一个重要组成部分。
　　 交通事件检测中，车辆的检测与跟踪是关键。传统的车辆检测与跟踪方法有很多，但是如何将这些方法有效的组合，以实现一个检测速度快、鲁棒性强的系统需要更深入的研究。本文以基本的数字图像处理方法为基础，针对交通事件检测的需求，从多角度研究了交通检测过程中涉及到的关键问题，包括车辆检测图像处理算法；车辆分割、车辆跟踪及事件检测图像处理方法，并分别做了实验，实验结果表明相应算法及方法是有效的。
　　 在车辆检测方面，实现了基于相邻帧差和基于背景重构的车辆检测两种检测算法，提出了一种基于像素灰度统计和单高斯模型相结合的背景重构及更新方法；在车辆分割方面，提出了一种基于投影的快速车辆分割算法，并实现了基于连通性分析的车辆分割方法；在车辆跟踪方面，采用基于车辆均加速运动假设的Kalman滤波器模型，实现了车辆的实时跟踪；在交通事件检测方面，结合现有交通规章制度，对车辆逆行、停车等违章事件检测进行了阐述，对车速估算、车流量、车道占有率等数据统计进行了分析，初步设计了一个基于车辆跟踪的交通事件检测系统，在该系统中应用了上述提到的研究结果。

目录

文摘

英文文摘

第1章 绪论

1.1 课题背景

1.2 国内外研究现状

1.2.1 运动目标检测方法

1.2.2 运动目标跟踪方法

1.2.3 交通事件检测系统

1.3 本文主要研究工作

1.3.1 基于图像处理的车辆检测

1.3.2 基于图像处理的车辆跟踪与交通事件检测

1.4 本文章节安排

第2章 数字图像处理算法

2.1 BMP和YUV图像格式

2.2 典型的数字图像滤波处理算法

2.2.1 灰度图像直方图及直方图均衡

2.2.2 中值滤波

2.2.3 边缘检测

2.2.4 阂值分割

2.2.5 形态学滤波

2.3 Kalman滤波

2.3.1 Kalman滤波器

2.3.2 Kalman滤波器原理

2.4 本章小结

第3章 基于图像处理的车辆检测

3.1 常用运动目标检测方法

3.1.1 基于相邻帧差的车辆检测

3.1.2 基于背景重构的车辆检测

3.2 基于像素灰度统计和单高斯模型的背景重建

3.2.1 背景像素的选择

3.2.2 背景模型的建立及更新

3.2.3 基于像素灰度统计和单高斯模型的背景重构算法

3.2.4 背景重构结果及分析

3.3 目标车辆的分割

3.3.1 一种基于投影的快速车辆分割

3.3.2 基于连通性判断的车辆分割

3.4 本章小结

第4章 基于图像处理的车辆跟踪

4.1 Kalman滤波器在目标车辆运动轨迹预测中的应用

4.2 基于检测和Kalman滤波器相结合的车辆跟踪

4.2.1 目标车辆质心的计算

4.2.2 Kalman滤波器跟踪模型

4.2.3 基于检测和Kalman滤波器相结合的车辆跟踪算法流程

4.2.4 车辆检测与跟踪系统实验

4.2.5 实验结果及分析

4.4 本章小结

第5章 基于车辆跟踪的交通事件检测

5.1 交通事件检测原理

5.2 交通事件检测过程

5.3 基于车辆跟踪的交通事件检测

5.3.1 车辆逆行检测

5.3.2 停车检测

5.3.3 车速估算

5.3.4 车流量统计

5.3.5 车道占有率

5.4 交通事件检测系统设计

5.4.1 交通事件检测系统的组成

5.4.2 交通事件检测模块设计

5.4.3 交通事件检测系统的总体流程

5.5 本章小结

第6章 结论

6.1 本文主要工作

6.2 下步工作

6.3 未来展望

参考文献

致谢