论文部分内容阅读
随着经济的发展,机动车的数量不断增加,交通事故频发,道路交通的压力也越来越大。为了解决道路交通迅速发展所引发的各种问题,智能交通系统被提到了重要的位置。车辆的检测、跟踪及交通事件的自动检测是智能交通系统中的重点,而基于视频图像的信号处理技术是解决智能交通系统中的这些关键点的技术之一,因此,本文的研究、实验都是基于视频信号的方式。
交通事件自动检测是以车辆检测和跟踪为基础的,因此,本文首先分析研究了目前已有的车辆检测算法,其中重点介绍了经常被使用的图像差分法:帧差法和背景差分法,以及近年来备受关注的边缘检测方法,并指出其中的主要问题。在此基础上,本文提出了一种改进的检测运动车辆的方法,即在应用背景差分和边缘检测方法的基础上,引进帧差法的思想,实验证明,这种方法能够很好地改善车辆检测的效果。
在检测出目标车辆之后,就可以对车辆进行跟踪,并获取车辆的运动轨迹,为后续的交通参数测量、交通事件检测等提供数据基础。在车辆跟踪这部分,本文研究了各种常用的运动目标跟踪的算法,并比较了这些算法的优缺点,在此基础上,本文选用Kalman滤波器,对车辆在下一帧中的位置进行预测,然后采用距离和颜色匹配的方法对车辆进行跟踪。实验表明,该方法能够对车辆进行稳定的跟踪。
最后,根据前面的车辆检测和跟踪的基础,就可以进行交通事件检测了。本文在研究分析了现有的交通事件自动检测算法的基础上,利用交通事件发生时具有的一些固有特征,或者对后续的交通参数产生的影响,对三种常见的交通事件:车辆逆行、违章停车和交通拥堵事件进行建模,并提出一种对一开始就停止的、被当作背景的车辆进行检测的方法,经过实验证明,此方法能够取得较好的检测效果。
本文所使用的视频图像序列是在东南大学东门天桥处采集,实验部分是用C/C++语言及OpenCV实现的。