智能交通系统中的视频车辆检测与跟踪方法研究

中国海洋大学硕士学位论文智能交通系统中的视频车辆检测与跟踪方法研究姓名：刘鹏申请学位级别：硕士专业：通信与信息系统指导教师：王国宇20070601智能交通系统中的视频车辆检测与跟踪方法研究作者：刘鹏学位授予单位：中国海洋大学相似文献(10条)1.学位论文张小军智能交通系统中的车辆检测和车型识别技术研究2006智能交通系统(ITS)是发展现代化交通的必由之路，基于机器视觉的车辆检测和车型分类技术是推进智能交通系统发展的一个重要的研究方向，在道路交通监控系统和高速公路收费系统等方面都有着广泛的应用前景。本文以此为出发点，对智能交通系统中的车辆检测和车型分类技术进行了深入地研究和分析，并提出了一种精确稳定的车辆检测和车型分类算法，主要内容如下：关于运动车辆的检测问题，本文在分析总结国内外现有的众多车辆检测算法的基础上，提出了一种基于中值像素灰度归类的背景重构方法，通过该方法重构的背景可以以较高的精度满足背景差分下的车辆检测问题；同时，考虑到相邻像素间的相关性，在背景更新时使用像素变化统计表，将背景区域进行分块处理，每块采用不同更新速率，从而使模型能更快的适应环境的变化。对于运动车辆阴影的干扰问题，本文将差分图像转换到SRG颜色空间进行阴影分割，实验表明在自然环境中可以得到很好的分割效果。在车型分类方面，首先对差分图像作形态学滤波和区域连通处理，得到运动车辆的位置和轮廓，根据分类标准提取出车型分类所需的特征向量，然后分别用两种方法设计出车型分类器，一种是基于模糊K-均值聚类的RBF网络车型分类器，另一种是基于免疫算法的RBF网络车型分类器，通过在相同环境下的实验对比分析，基于免疫算法的RBF网络车型分类器在分类准确性和速度方面都优于基于模糊K-均值聚类的RBF网络车型分类器。本文首次将人工免疫算法与RBF神经网络相结合并用于车型分类，相比传统车型分类算法取得了较好的分类效果，值得在这一算法上作更深入系统的开发研究。本文提出的方法适用大面积、多目标的复杂场景，能有效排除干扰，满足自然条件下视频监控的车辆检测和车型分类要求，具有一定的理论意义和实用价值，可以推广应用到视频监控的其它领域中。2.期刊论文王圣男.郁梅.蒋刚毅.WANGSheng-nan.YUMei.JIANGGang-yi智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述-计算机应用研究2005,22(9)与传统的车辆检测器相比,基于视频图像处理与视觉技术的车辆检测器具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点,因而近年来在智能交通系统(ITS)中得到了越来越广泛的应用.针对摄像头拍摄得到的交通序列图像,人们提出了很多视频图像处理和分析技术,其中最基本的研究领域就是交通场景中车辆对象的检测与跟踪.介绍了近年来提出的一些主要的车辆检测与跟踪技术,并根据核心处理方法(基于特征、区域或模型等)及处理域(空域、时域)的不同对这些技术进行了分类,同时分析比较了各种方法的优缺点.最后,说明了这一领域仍然存在的问题和对可能的研究方向进行了一定的预测.3.学位论文何奕飞智能交通系统中车辆检测与识别技术的研究2008随着经济的发展，智能交通系统受到人们广泛的关注。本课题是基于视频的车辆图像研究，主要实现了图像采集、图像预处理、车辆检测与车辆识别等功能。本文首先介绍了智能交通系统中车辆图像采集系统的设计。利用VisualC++6.0集成开发工具对天敏视讯科技公司的SDK2000图像采集卡进行了二次开发，编写了包含设备设置、视频设置、视频保存、视频压缩、视频传输等功能的图像采集模块的软件。对实际采集的图像进行图像去噪、对比度增强等预处理，从而有利于图像的进一步分析处理。在车辆检测算法研究中，针对经典的背景差法和帧差法漏检率较高的缺点，提出了一种基于背景差法和帧差法相融合的车辆检测方法。实验结果表明，该方法检测精度较高，大大减小了误检率；并且在检测过程中研究了阴影的去除算法，进一步排除了干扰，提高检测精度。对于车辆识别，采用常用的边缘检测算法进行车辆轮廓提取时，不能得到平滑连续的轮廓线。因此本文引入了数学形态学方法，能较好的进行车辆轮廓提取，进而计算车辆的参数特征。最后用Fisher分类器进行判别，实现了大车、小车及超长车三种类型的识别。4.学位论文王圣男智能交通系统中基于计算机视觉的车辆检测与跟踪2004与传统的车辆检测器相比，基于视频图像处理与视觉技术的车辆检测器具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点，因而近年来在智能交通系统(ITS)中得到了越来越广泛的应用。本文介绍了近年来提出的一些主要的基于计算机视觉的车辆检测与跟踪技术，并根据核心处理方法（基于特征、区域或模型等）及处理域（空域、时域）的不同对这些技术进行了分类，分析比较了各种方法的优缺点。提出了一种在复杂交通场景中基于视频图像处理的检测与跟踪车辆的新方法，首先用改进的背景差法进行运动分割，背景的更新采用选择更新的方法，接着用“背景相似法”提取出运动区域。然后对提取出的ROI(regionofinterest)依照模糊判别准则进行误检测判定，最后用基于区域的跟踪方法进行车辆跟踪。由于表示运动车辆的区域块的行为较为复杂，遮挡或误检会造成时域上区域块的融合和分裂，单纯依靠帧与帧之间最相似的区域块进行匹配的方式来跟踪车辆已经远远不够。在这种情况下，本文提出了两种跟踪策略,基本思想都是利用时域信息纠正空域分割时发生的车辆遮挡或误检。策略一利用“确定车辆”、“临时车辆”规则解决车辆遮挡和误检问题，即第一次检测出的车辆都标记为临时车辆，只有连续多帧跟踪成功的车辆才能算是确定车辆，确定车辆在后续帧中若跟踪失败，则说明发生了遮挡或者误检，用车辆恢复机制来进行恢复。策略二是策略一的改进和扩展，在“确定车辆”和“临时车辆”规则的基础上，利用模糊判别法判断车辆是否发生了遮挡，进而将检测过程中的遮挡车辆划分为六种类型，跟踪过程中最大可能地保留了单个车辆的形状。与策略一相比策略二有着更好的健壮性，然而增加了计算量，两种策略可以根据道路的实际情况选择使用。试验结果表明本文所提出的方法简单有效，能实时提取交通信息。提取出的车辆数量、类型、速度等交通参数可以做作为智能交通系统(ITS)中高层交通管理和车辆控制的基础。5.学位论文邵晔智能交通系统中车辆检测与跟踪技术的研究2009社会经济的发展促使道路交通迅速发展，机动车数量不断增加。为了解决地面交通迅速发展所引发的各种问题，智能交通系统(ITS)被提到了重要位置。而在智能交通系统中，车辆的检测与跟踪是车流量统计、车辆拥塞控制等后续处理的重要基础。本论文首先分析研究了车辆视频检测方法的研究意义和研究现状，并指出其中的主要问题和关键问题，围绕这些问题，安排了论文的框架结构。为了应用背景差分法，我们就需要获得一个干净的背景，这就需要一个有效的背景建模方法，方法的优劣可以从实验效果和处理时间两方面进行衡量。论文用C＼C++代码实现了以往常用的几种背景建模方法，但不同于以往的做法，本文所有的建模方法都是基于R、G、B三个通道进行处理的。不仅如此，本文还提出了一种新的基于区间法的背景建模法，经过比较分析各种方法，基于区间法的背景建模法和混合高斯背景模型法都能得到干净的背景图像，且能适应复杂的天气条件，但前者较之后者处理时间大大缩短了，因此，本文下面的处理都是基于基于区间法的背景建模法。得到了干净的背景图像之后，我们利用背景差分法得到了前景图像，为了方便对其进行跟踪，先后对前景图像进行阈值分割、形态学处理、求取车辆的外接矩形等操作。其中的阈值分割是对R、G、B三个通道的平方和取根值的，外接矩形的求取实际上就是一种区域增长法。在车辆跟踪方面，本文根据Kalman滤波器的原理进行建模，将车辆的外接矩形的各个参数转化为Kalman滤波器的参数，从而能够应用Kalman滤波器的公式。实验表明，该方法能够对车辆进行稳定的跟踪。根据夜间道路场景的特点，本文提出了一种新的基于车尾灯检测的方法来对夜间车辆进行检测和跟踪，由于车尾灯区域中的R通道比重较大，所以我们可以根据计算每个像素点的R通道的比重从而判别得到车尾灯区域，再根据一些先验知识、车尾灯区域的像素点的速度信息，我们可以将属于同一辆车的车尾灯区域合并，从而得到车辆；再利用前面的Kalman滤波器跟踪法，完成对夜间车辆的跟踪。前面讨论的背景建模方法就是为了适应复杂多变的天气条件的，为了进一步验证这种建模方法的有效性，在第五章，我们详细讨论了在雨天和多云的天气条件下，对车辆进行检测和跟踪。由于在雨天和多云的情况下，车辆和路边物体容易在地面形成阴影或倒影导致检测错误，为了消除阴影和倒影，本文提出一种新的简单的阴影检测算法，实验表明，利用此算法，阴影和倒影能够得到有效的消除。然后，我们就可以应用前面讨论的算法，对车辆进行检测和跟踪。本文的所有视频图像序列都是在东南大学东门天桥处采集，实验结果都是用C和C++语言实现。6.期刊论文吴爱华.WUAi-hua基于视频的运动车辆检测技术研究-电脑与信息技术2008,16(5)智能交通系统是目前交通运输领域研究热点,车辆检测是智能交通系统的主要组成部分.文章研究了基于视频的车辆检测技术,指出运动车辆图像预处理、背景图像重建与更新以及运动车辆检测与技术是基于视频的车辆检测应解决的关键技术.7.学位论文马宗顺智能交通系统中的车辆检测方法研究2008城市交通是城市重要的基础设施之一，是城市经济发展和人们生活所必需的一项事业。它不仅满足城市居民出行的需求，从某种意义上讲它对城市功能的正常发挥起到了重要作用。近年来，随着经济的发展，交通需求日益增加，城市交通拥堵、交通事故频发以及交通环境恶化等成为当今世界各国面临的共同问题。交通问题是一个复杂的综合性问题，单独从道路或车辆的角度来考虑，都将很难解决交通问题。在这种背景下，把车辆和背景综合起来系统地解决交通问题的思想就油然而生，而车辆检测技术正是这种思想的重要技术之一。运动车辆实时检测和定位是智能交通系统的一个重要组成部分。迄今为止，己有众多学者在进行相关领域的研究工作。同时，也面临许多问题，如目标阴影，真实世界场景的拍摄噪声，光照和天气情况的改变等，都将影响目标检测的精度。近年来，国内外学者对基于视频图像的移动目标检测进行了广泛的研究。传统的车辆检测方法有：背景减除法、时间差分法、光流法等等。这些方法中，背景减除法由于其运算量相对较少，并且可以加入背景更新技术实现背景自适应更新，能够较精确的分割出移动物体，从而在运动目标检测分割等方面得到广泛的应用，同时由于其自身的缺点，广大科学工作者也根据不同需要对其进行了改进。时间差分方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分，但其一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。基于光流方法的运动检测由于其运算量相当大，抗噪性能差，依赖特别的硬件装置而使其应用受到了限制。本文提出的车辆检测方法，把基于移动区域的自适应背景更新方法应用到视频图像运动目标检测分割技术中，能够快速准确的分割出其中的运动目标进而识别车辆的阴影部分以及车轮部分。试验结果证明，这种方法能够较大提高车辆检测的精度和质量，达到了我们的期望值，具有很好的实用性。8.学位论文张淼智能交通中车辆检测与跟踪技术的研究2008在智能交通系统中，车辆的有效检测与实时跟踪是车辆的行为分析和行为判断的前提，能够实时准确地提供监测道路的交通动态信息，为后续特定处理做准备，例如整理运算车流状况相关数据、预警突发事故、整体规划交通系统，从而改善交通环境、减轻交通堵塞、提高道路利用率、提高排障效率。如何提高车辆检测与跟踪算法的精度、响应速度及抗干扰能力是智能交通系统下车辆检测与跟踪的主要研究任务。本文对智能交通系统中车辆检测与跟踪技术进行研究，在分析和总结现有算法的基础上，提出一种实时车辆检测与跟踪算法。该算法在建立交通视场背景模型的基础上，利用背景差分法将运动车辆分割出来，根据卡尔