道路交通拥堵分析是智能交通系统的基础而又非常重要的部分,而城市道路交通的拥堵分析是其中的研究热点之一,主要通过交通信息的采集以及建立交通拥堵分析模型来实现。而当前的交通信息采集主要依赖于固定布设的各类交通检测设备,由于维护成本高、覆盖面不全,导致当前交通拥堵问题尚未解决。近年来无人机在军用领域得到了广泛的应用,并且取得了实质性的进展和突破,由于无人机检测技术具有使用维护方便、处理信息量大、无需破坏地面等优点,因此,将无人机结合图像处理技术应用到道路交通拥堵分析领域中具有重要的意义和应用价值。本文研究的是基于航拍图像的道路交通拥堵分析,以车辆为分析目标,重点开展运动背景下的车辆提取、车辆跟踪等方面的工作,以更好地提取用于交通拥堵分析的交通流参数指标。同时,侧重于以交通流参数作为评价指标,建立基于模糊理论的拥堵分析模型实现拥堵分析,主要工作如下:(1)基于运动背景下的车辆提取。针对航拍图像中存在背景运动的特点,采用基于极线约束匹配的背景运动估计算法,计算每个像素点的Harris角点响应函数后,根据响应函数值的大小来确定角点,并在角点邻域内进行非极大值抑制。其次,以角点邻域的灰度信息作为特征描述符,利用模板匹配法对角点进行粗匹配,进而引入极线约束条件,运用RANSAC算法求得最优基础矩阵,根据基础矩阵剔除粗匹配中的错误匹配点对,得到精确匹配结果。最后根据精确匹配集,再次运用RANSAC算法求解最优透射变换矩阵,从而实现背景补偿。在背景补偿的基础上,为采用背景减提取车辆前景模块,提出基于像素灰度投票策略完成背景提取,根据像素在一段时间内的灰度变化,建立灰度变化投票直方图。若灰度变化缓慢,则直方图对应灰度的投票值大,反之亦然。为抑制光照影响,选取一定邻域大小,依次为每个像素所在的邻域进行投票,根据投票直方图的投票值,选取最大投票值所对应的灰度值作为背景。最后,利用背景减和形态腐蚀技术,提取出道路车辆,实验结果表明,与混合高斯建模法以及均值建模法相比,本文算法在计算速度上明显快于混合高斯建模法,背景建模效果与混合高斯建模法相当,优于均值建模法。(2)基于改进的均值漂移车辆跟踪算法。首先采用传统的均值漂移算法为车辆建立模型,在此基础上,为克服背景区域对车辆跟踪的干扰,改进车辆模型,通过比较车辆区域与背景区域的色彩差异,计算车辆不同色彩等级的显著特征量,基于加权的方式强化显著特征量在车辆识别过程中的作用,弱化非显著特征量的作用。同时引入车辆模型更新策略,每隔若干帧,更新一次模型,以此来提高跟踪的性能。其次,针对多车辆跟踪问题,采用基于多线程的检测跟踪复合算法,为车辆检测和车辆跟踪独立分配线程同时执行,每隔若干帧线程间进行相互通信,矫正跟踪结果,有效解决跟踪车辆总数时刻变化的难题。(3)基于FAHP和模糊综合评判的交通拥堵分析。基于车辆检测跟踪基础之上,利用图像处理技术检测出车流量、速度等参数,计算出交通流参数:时间占有率、平均行程速度以及饱和度,作为拥堵分析的基本指标,采用模糊综合评价法和模糊层次分析法,将路段的拥堵程度分为三个等级,为评价指标建立隶属函数,根据基于加权的隶属度计算交通状态综合指数,从而实现拥堵分析。