论文部分内容阅读
随着交通视频监控网的覆盖面越来越广,仅仅依赖人工难以做到对所有监控点进行在线监控,因此通过信息采集、模式识别和信息融合技术对交通网实施智能化监管,已经成为智能交通系统(IntelligentTraffic System,ITS)未来发展的趋势。论文以智能交通为背景,利用计算机视觉技术,对地面视频数据和卫星视频数据进行运动目标检测和应用方法的研究,实现对监控区域内运动车辆的检测、统计与分析。论文的主要工作包括以下几个方面:(1)分析比较地面交通视频数据与视频卫星数据的不同特征点,选择适应数据特点的预处理方法,包括图像灰度化、图像滤波以及图像形态学处理,并提出一种基于粒子滤波方法去除视频卫星数据中的运动噪声。(2)深入分析了混合高斯模型(Gaussian Mixture Model,GMM)和 ViBe(Visual Background Extractor,ViBe)的运动车辆检测算法。使用地面交通视频数据和视频卫星数据比较分析这两种算法,得出GMM的算法适应光线变化能力强但是计算量较大、难于实现实时监测的结论;而ViBe算法计算量小、抗噪性好,可以实时地进行运动车辆检测,但ViBe算法使用一帧图像进行初始化背景模型,容易引入“鬼影”(Ghost)现象。针对GMM算法的计算量大问题和ViBe算法的“鬼影”问题,本文提出了 GMM-ViBe方法。首先,采用多帧图像初始化背景模型,代替ViBe算法的单帧图像初始化;然后在ViBe算法的背景模型更新方法的基础上,提出自适应计算阈值方法,该方法可以根据背景的复杂度计算得出阈值,然后再进一步判断像素属于背景还是前景。该方法在解决计算量大问题的同时也消除了“鬼影”现象,并且检测精度也有所提高。(3)研究了交通参数因子提取与分析方法。利用本文的车辆检测方法,提取了车速、车道占有率、交通密度及交通拥堵度量等交通参数因子,为实际应用提供有实际价值的参考数据。(4)最后将GMM-ViBe方法应用到车辆实时监测监控数据处理模块。本模块的开发是结合公路交通领域军民融合应用项目,在Qt Creator 4.0.1集成开发环境下,利用OpenCV3.1.0计算机视觉库以及GDAL2.1.1库实现的。该模块实现了数据存储与管理功能、数据预处理功能、运动车辆检测功能以及交通参数提取与综合分析功能,测试数据运行效果良好,具有重要的实际应用价值。