论文部分内容阅读
社会经济的发展使得私有汽车的数量急剧增加,智能交通系统(ITS,IntelligentTransportation System)的重要性越发显现,同时也被各国提上日程。基于视频的车辆检测与跟踪算法是ITS的重要组成部分。本文以城市道路为背景,用摄像机采集道路交通视频,然后通过一系列视频处理方法提取车流量以及车辆拥堵信息。本文提出了一种全天候的车辆计数与拥堵等级判断算法。完成的主要工作如下:1.基于白天的车辆跟踪与计数方法。本文对已存在目标采用粗匹配-选择最佳匹配-更新目标特征的思路实现目标的跟踪;对暂时消失的目标根据其质心和面积信息,利用卡尔曼滤波理论建立模型,预测其在下一帧中的位置和面积大小,并对其特征进行更新,待其再次在视频帧中出现时,再按照已存在目标的处理方式进行匹配和更新;2.基于夜间的车辆跟踪与计数方法。本文提出了2种用于夜间车辆计数的方法,分别是:基于虚拟检测线的车辆计数方法和基于车灯跟踪的车辆计数方法。基于虚拟检测线的计数方法是在是指在视频中间位置设置一条虚拟的线,每一帧都从左至右扫描这条线,若发现线上有车灯,则将车灯个数加1。基于车灯跟踪的方法是先对车灯进行跟踪,然后对车灯进行匹配,实现对车辆的计数。3.拥堵等级判断方法。与跟踪算法相对应,拥堵等级判断方法也是有白天和夜间两套算法。根据一段时间的车流量信息和此段时间内前景的平均比例,将道路拥堵等级划分为畅通、缓行和拥堵3个等级。4.昼夜算法切换。本文提出了一种用于昼夜算法切换的方案。首先根据系统时间,确定一个可能进行昼夜切换的时间段;然后提取当前视频帧的亮度信息,确定昼夜算法之间的切换。