论文部分内容阅读
随着社会经济的持续发展,城市化进程的不断加快,我国城市交通面临着严峻的考验。汽车保有量的不断攀升,给居民的出行带来方便的同时,也给城市的发展带来了交通拥堵、环境污染和能源浪费等问题。与此同时,交通拥堵容易诱发交通事故,而交通事故常常会使道路更加拥堵,从而形成恶性循环。随着人工智能与计算机视觉技术的不断成熟,视频检测技术已经广泛应用于智能交通系统中。在城市交通监控系统中,应用视频和图像处理技术从数字图像中获取交通信息,可以准确、高效地完成很多交通监测工作。本文针对城市道路中车辆排队的视频检测问题,以计算机视觉、图像处理和交通波理论为基础,实现了交通场景下的摄像机标定、基于伸缩窗的排队长度检测和排队长度线性预测模型,从而完成了对车辆排队长度的检测与预测,并在此理论基础上实现了系统的设计与实现。首先,实现了交通场景下的摄像机参数标定。本文结合传统摄像机标定与摄像机自标定方法,实现了一种仅使用车道标线及车道宽度的标定方法,该方法标定参数少,过程简单,适用于交通场景。其次,通过视频图像处理技术进行车辆排队长度检测,其核心算法是伸缩窗检测算法,它不同于移动窗和固定窗,更符合车辆排队的形成过程。然后,利用交通波理论中的停车波分析,建立了车辆排队长度动态预测的线性模型。该模型的优点是参数简单,便于系统实现。最后,完成了系统的设计与实现,为该领域的后继研究工作奠定了一定基础。综上所述,本文先以摄像机标定算法、排队检测算法和交通波相关理论为基础,然后结合计算机视觉和图像处理的相关知识,通过摄像机对道路上的交通流进行检测,计算出检测到的排队长度,并对排队长度进行预测,最后完成排队长度动态预测系统的设计与实现。实验表明,该系统可以满足实时性、稳定性等要求。