本文關(guān)鍵詞：基于視頻的車(chē)流量統(tǒng)計(jì)系統(tǒng)研究

  更多相關(guān)文章： 智能交通系統(tǒng) 車(chē)流量統(tǒng)計(jì) 車(chē)輛跟蹤 概率分類(lèi)器 粒子濾波 K-means聚類(lèi)

【摘要】：如今,伴著經(jīng)濟(jì)的快速發(fā)展,汽車(chē)數(shù)量與日俱增,使得道路交通承受著巨大壓力,構(gòu)建更加完善的智能交通系統(tǒng)迫在眉睫,交通信息的提取、處理以及分析對(duì)于實(shí)現(xiàn)交通系統(tǒng)的智能化至關(guān)重要。而基于視頻的車(chē)流量檢測(cè)技術(shù)正是智能交通系統(tǒng)研究的重要課題。本文在分析現(xiàn)有算法的基礎(chǔ)上,對(duì)實(shí)際交通場(chǎng)景下車(chē)輛的檢測(cè)、跟蹤和統(tǒng)計(jì)做了相關(guān)研究,研究?jī)?nèi)容包括以下幾個(gè)方面:運(yùn)動(dòng)車(chē)輛檢測(cè)方面,實(shí)現(xiàn)了一種基于概率分類(lèi)器的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,利用每個(gè)像素點(diǎn)在連續(xù)幀的亮度矢量建立背景和前景概率模型,最后,依據(jù)這些概率將每個(gè)像素劃分為背景或者前景,從而實(shí)現(xiàn)運(yùn)動(dòng)車(chē)輛的檢測(cè)。運(yùn)動(dòng)車(chē)輛跟蹤方面,研究了一種基于粒子濾波的目標(biāo)跟蹤算法,利用K-means算法對(duì)粒子進(jìn)行聚類(lèi);然后借助背景信息和目標(biāo)凸包分割或者合并聚類(lèi),來(lái)解決多目標(biāo)粘連和單目標(biāo)分離的問(wèn)題,保證聚類(lèi)與車(chē)輛一一對(duì)應(yīng);最后,通過(guò)對(duì)比相鄰幀中粒子近鄰的顏色直方圖的相似度來(lái)跟蹤運(yùn)動(dòng)車(chē)輛。車(chē)流量統(tǒng)計(jì)方面,基于虛擬檢測(cè)線(xiàn)的車(chē)輛計(jì)數(shù)算法不可避免地會(huì)出現(xiàn)漏檢和誤檢問(wèn)題,針對(duì)這一問(wèn)題,提取并結(jié)合了兩種圖像信息:目標(biāo)與檢測(cè)線(xiàn)相對(duì)位置信息和檢測(cè)線(xiàn)像素值變化信息,提出了一種車(chē)流量分割計(jì)數(shù)方法用于提高準(zhǔn)確率。首先確定車(chē)輛和檢測(cè)線(xiàn)的相對(duì)位置,然后結(jié)合檢測(cè)線(xiàn)上像素值的波形變化規(guī)律對(duì)車(chē)輛數(shù)目進(jìn)行統(tǒng)計(jì)。這種方法可以極大程度地減少車(chē)輛漏檢和誤檢問(wèn)題。利用Visual Stdio 2010并結(jié)合OpenCV開(kāi)發(fā)了一個(gè)測(cè)試系統(tǒng)來(lái)實(shí)現(xiàn)本文研究的算法,并且利用實(shí)驗(yàn)來(lái)檢驗(yàn)算法的實(shí)際效果。我們選取多種不同場(chǎng)景下采集的交通視頻,并對(duì)其進(jìn)行了測(cè)試和結(jié)果分析,實(shí)驗(yàn)結(jié)果表明,本算法在準(zhǔn)確性和穩(wěn)定性方面都達(dá)到了理想的效果,各車(chē)道的準(zhǔn)確率均在95%以上。
【關(guān)鍵詞】：智能交通系統(tǒng) 車(chē)流量統(tǒng)計(jì) 車(chē)輛跟蹤 概率分類(lèi)器 粒子濾波 K-means聚類(lèi)
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;U495
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-14
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.3 本文的研究?jī)?nèi)容和結(jié)構(gòu)12-14
• 第二章 預(yù)處理與運(yùn)動(dòng)目標(biāo)檢測(cè)14-33
• 2.1 圖像預(yù)處理14-22
• 2.1.1 圖像濾波14-20
• 2.1.2 圖像增強(qiáng)20-22
• 2.2 常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法22-26
• 2.2.1 光流法22-23
• 2.2.2 幀差法23-24
• 2.2.3 背景差法24-26
• 2.3 基于概率分類(lèi)器的目標(biāo)檢測(cè)算法26-31
• 2.4 本章小結(jié)31-33
• 第三章 運(yùn)動(dòng)目標(biāo)跟蹤33-49
• 3.1 常用的運(yùn)動(dòng)目標(biāo)跟蹤方法33-36
• 3.1.1 模型跟蹤法33-34
• 3.1.2 特征跟蹤法34
• 3.1.3 區(qū)域跟蹤法34-35
• 3.1.4 動(dòng)態(tài)輪廓跟蹤法35-36
• 3.2 粒子濾波理論36-41
• 3.2.1 貝葉斯框架36-37
• 3.2.2 蒙特卡羅方法37-38
• 3.2.3 粒子濾波的基本思想38
• 3.2.4 粒子濾波的基本原理38-40
• 3.2.5 粒子濾波算法的基本流程40-41
• 3.3 基于粒子濾波的目標(biāo)跟蹤算法41-48
• 3.3.1 粒子檢測(cè)42-43
• 3.3.2 K-means聚類(lèi)43-44
• 3.3.3 聚類(lèi)分割與合并44-47
• 3.3.4 車(chē)輛跟蹤47-48
• 3.4 本章小結(jié)48-49
• 第四章 車(chē)流量統(tǒng)計(jì)49-57
• 4.1 常用車(chē)輛計(jì)數(shù)方法49-52
• 4.1.1 基于目標(biāo)匹配的車(chē)量計(jì)數(shù)方法49-50
• 4.1.2 基于區(qū)域標(biāo)記的車(chē)輛計(jì)數(shù)方法50-51
• 4.1.3 基于虛擬線(xiàn)圈的車(chē)流量統(tǒng)計(jì)算法51
• 4.1.4 基于虛擬檢測(cè)線(xiàn)的車(chē)輛計(jì)數(shù)方法51-52
• 4.2 基于檢測(cè)線(xiàn)波形變化的車(chē)輛計(jì)數(shù)方法52-56
• 4.2.1 本文前期算法53-54
• 4.2.2 基于前期算法的改進(jìn)54-56
• 4.3 本章小結(jié)56-57
• 第五章 系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)分析57-65
• 5.1 軟件設(shè)計(jì)方法57-58
• 5.2 軟件的運(yùn)行環(huán)境58
• 5.2.1 硬件環(huán)境58
• 5.2.2 軟件環(huán)境58
• 5.3 軟件界面及功能58-61
• 5.3.1 軟件系統(tǒng)界面58-59
• 5.3.2 軟件各功能模塊59-61
• 5.4 實(shí)驗(yàn)與結(jié)果分析61-64
• 5.5 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 總結(jié)65
• 6.2 展望65-67
• 參考文獻(xiàn)67-71
• 攻讀學(xué)位期間取得的研究成果71-72
• 致謝72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張曉媚;陳偉海;劉敬猛;趙志文;;基于柔性曲桿的車(chē)輛跟蹤算法設(shè)計(jì)與實(shí)現(xiàn)[J];北京航空航天大學(xué)學(xué)報(bào);2011年07期

2 郭鋒;王秉政;楊晨暉;;復(fù)雜背景下車(chē)輛跟蹤的改進(jìn)算法及逆行檢測(cè)[J];圖學(xué)學(xué)報(bào);2013年04期

3 劉青;張曉暉;陳建新;侯云;;基于先驗(yàn)知識(shí)的高速公路逃費(fèi)車(chē)輛跟蹤算法研究[J];公路工程;2013年04期

4 楊敏;裴明濤;王永杰;董震;武玉偉;;一種基于運(yùn)動(dòng)目標(biāo)檢測(cè)的視覺(jué)車(chē)輛跟蹤方法[J];北京理工大學(xué)學(xué)報(bào);2014年04期

5 黃福獻(xiàn);車(chē)輛跟蹤管理系統(tǒng)簡(jiǎn)介[J];汽車(chē)運(yùn)用;2001年06期

6 曹智英;;基于學(xué)習(xí)機(jī)制的時(shí)空車(chē)輛跟蹤與索引框架[J];現(xiàn)代計(jì)算機(jī);2007年05期

7 朱華林;;基于高清視頻檢測(cè)和高清圖片識(shí)別的車(chē)輛跟蹤系統(tǒng)設(shè)計(jì)[J];交通世界(運(yùn)輸.車(chē)輛);2011年07期

8 曾智洪;高速公路中的行車(chē)道檢測(cè)和車(chē)輛跟蹤(英文)[J];自動(dòng)化學(xué)報(bào);2003年03期

9 周志宇,汪亞明,曹麗;基于模糊聚類(lèi)和α-β-γ濾波的車(chē)輛跟蹤[J];浙江工業(yè)大學(xué)學(xué)報(bào);2004年01期

10 陳繼紅;;基于3G技術(shù)的車(chē)輛跟蹤服務(wù)系統(tǒng)的研究[J];物探裝備;2008年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 楊華;鄒月嫻;劉志剛;時(shí)廣軼;關(guān)佩;王一言;;基于視頻的復(fù)雜交通場(chǎng)景車(chē)輛跟蹤技術(shù)研究[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

2 孫燎原;石川;張楊;;基于GoogleMaps的車(chē)輛跟蹤態(tài)勢(shì)顯示系統(tǒng)研究與實(shí)現(xiàn)[A];第十六屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2011年

3 張暉;董育寧;夏洋;;一種基于改進(jìn)的GVF-Snake模型的車(chē)輛跟蹤算法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前4條

1 神州通信有限公司GIS部 廖志杰;構(gòu)建中國(guó)空間信息服務(wù)網(wǎng)絡(luò)平臺(tái)系統(tǒng)(六)[N];通信產(chǎn)業(yè)報(bào);2004年

2 中國(guó)全球定位系統(tǒng)技術(shù)應(yīng)用協(xié)會(huì)GPS信息咨詢(xún)服務(wù)部 曹沖;GPS上車(chē)[N];計(jì)算機(jī)世界;2002年

3 本報(bào)記者 楊濱;打牢百年精品客專(zhuān)的基石[N];人民鐵道;2010年

4 龐偉燕;用科技編織安全網(wǎng)[N];中國(guó)郵政報(bào);2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 吳剛;基于粒子濾波與增量學(xué)習(xí)的車(chē)輛跟蹤方法研究[D];南京理工大學(xué);2014年

2 徐旭;復(fù)雜環(huán)境下的車(chē)輛目標(biāo)跟蹤技術(shù)研究[D];吉林大學(xué);2013年

3 王軍偉;ITS中運(yùn)動(dòng)車(chē)輛自動(dòng)跟蹤方法的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 徐曉娟;基于視頻的車(chē)輛跟蹤算法研究[D];長(zhǎng)安大學(xué);2015年

2 高冬冬;基于車(chē)輛跟蹤軌跡的停車(chē)和逆行檢測(cè)研究[D];長(zhǎng)安大學(xué);2015年

3 董艷梅;基于相關(guān)濾波器的目標(biāo)跟蹤技術(shù)[D];北京理工大學(xué);2015年

4 陳國(guó)斌;動(dòng)態(tài)車(chē)輛的自動(dòng)跟蹤算法研究[D];石家莊鐵道大學(xué);2014年

5 宋耀;交通監(jiān)控視頻中的車(chē)輛異常行為檢測(cè)[D];南京郵電大學(xué);2015年

6 郝學(xué)森;基于車(chē)輛跟蹤的兩種算法研究[D];遼寧科技大學(xué);2015年

7 王翌清;車(chē)輛路口滯留違章自動(dòng)取證系統(tǒng)關(guān)鍵技術(shù)研究及實(shí)現(xiàn)[D];上海交通大學(xué);2015年

8 左新偉;面向模糊視頻的車(chē)輛目標(biāo)跟蹤算法研究[D];大連海事大學(xué);2016年

9 金龍;復(fù)雜場(chǎng)景下車(chē)輛跟蹤研究[D];南京航空航天大學(xué);2015年

10 潘曉旭;車(chē)載視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

，

本文編號(hào)：552666