交通信息是交通运营和管理的基础,更是智能交通系统(Intelligent Traffic System,ITS)的基础和保障,获得全面、准确、实时的交通信息对交通运营、管理和智能交通系统应用效果起着非常重要的作用。无人机具有体积小,飞行灵活,检测目标的空间范围大等特点,与传统的交通检测技术相比,能够采集的更多种类的交通信息,对交通管制和研究等工作具有重要的现实意义和应用价值。本文针对无人机拍摄的交通视频,研究了适用于无人机视频的车辆检测和交通参数提取技术。本文的主要研究内容如下:第一,本文归纳总结无人机的发展及其应用情况,分析了无人机交通信息采集的优势,对基于无人机视频的交通算法和应用研究做了较详细的归纳和总结,明确了本文的研究方向。同时阐述了图像处理的相关基础知识,简要介绍和讨论了几种经典的视频车辆检测算法、车辆跟踪算法和评价指标。第二,针对现有帧间差分法容易出现空洞的现象,和背景建模计算复杂,建模效果不佳的情况,提出了一种基于对称差分的分块建模算法。将对称差分结果作为判断背景像素或车辆像素的依据,以块为单元判断像素属性,若为背景则块的像素值赋值给背景图像中对应的块,其中块的尺寸根据车辆宽度确定。接着利用背景差分、阈值分割、形态学处理等图像处理技术实现运动车辆的检测。同时提出正检率P正、重检率P重、漏检率P漏、错检率P错4个评价指标来衡量算法性能。利用本文算法和对称差分算法从无人机视频中检测运动车辆并进行对比。实验结果表明本文算法对无人机视频中的车辆正检率达92.29%,并具有较高的稳定性。第三,在无人机视频车辆检测的基础上,提出从无人机视频中提取交通密度和流量的方法。交通密度的提取首先是通过标定已知目标的长度获得图像像素与实际长度的比例从而获得感兴趣区内道路的长度,再结合感兴趣区内检测到的车辆数,最后通过(7)(8)(7)(8)K(28)1000?N L?η计算交通密度。交通流量的统计是分析虚拟线圈中像素的数目的变化来判断车辆是到达或是离开。第四,利用CamShift算法和人工标注的方法获取车辆轨迹。CamShift算法通过计算目标车辆质心坐标来代替车辆坐标,连续帧的车辆坐标形成车辆的轨迹。轮廓和对角线标注方法是通过人工的方式选取图像中车辆的顶点,分别通过4个顶点和2个顶点计算中心坐标来代替车辆坐标形成车辆轨迹。实验结果表明,2类方法得到车辆轨迹都具有连续、稳定、准确度较高的特性。第五,提出了基于虚拟线圈和车辆轨迹的4种车速提取方法。虚拟线圈方法是在车辆检测的基础上,通过检测车辆在虚拟线圈内指定帧数驶过的像素距离来计算车速。基于车辆轨迹的方法是通过2个车辆轨迹点坐标及其对应的帧号计算车辆的行驶像素距离和时间,再利用图像比例计算车速。通过对30组车速数据的分析,本文方法都能够提取精度较高的车速信息,其中CamShift算法精度达97.9%。