论文部分内容阅读
交叉口的车辆排队长度是评估交叉口通行能力的重要指标,传统的车辆排队检测方法需要配置专用的检测设备,检测范围小且维修成本昂贵。而基于视频的车辆排队长度检测不仅能够获得丰富的交通参数,而且能实现信息的回溯,具有广阔的应用前景。现有基于视频的排队长度检测由于精度不高或适用性较差,难以满足实际交叉口场景中排队长度检测的要求。因此,基于视频的交叉口车辆排队长度检测方法研究具有重大的实际应用价值。本文针对交叉口场景中的车辆排队长度检测方法进行研究,首先对基于视频的检测方法目前存在的问题及其技术难点进行了分析,然后重点研究了基于车道线信息的摄像机分区标定和车辆排队队列检测技术,其中排队队列检测技术又分为车辆目标提取和排队队尾检测两个部分,最终形成一套基于视频的交叉口车辆排队长度检测方法。主要包括以下两点:(1)在摄像机标定方面,首先利用图像灰度化和图像滤波的方法去除道路图像中存在的噪音干扰,然后分别对车道实线和车道虚线进行检测,分离出单个车道作为感兴趣区域,最后利用车道线的几何特征,结合分区的思想,设计一种基于车道线的分区标定算法。实验结果表明,该方法能够有效提升了摄像机标定精度,可以为后续计算车辆排队长度打下基础。(2)在排队队列检测方面,针对交叉口场景中车辆排队图像特点,本文给出一种基于复式检测窗的队列长度检测算法,首先在队列首部设置虚拟固定窗,在检测窗内进行车辆运动检测判断车辆排队状态,并设计一种基于多帧纹理特征的背景差分法提取出静止车辆前景信息,然后采用行扫描的方法搜索出排队队尾,同时根据前景信息中的车辆宽度信息,对队尾车辆进行分类,一定程度上解决因摄像头视角和车身高度而带来的投影误差问题,最终计算出车辆实际排队长度。最后,结合本文提出的车辆排队长度检测方法,利用交叉口场景下的视频数据,在Visual Studio2013环境下进行实验验证。实验结果表明,采用本文所提方法可以能够有效提高车辆排队长度检测精度。