發(fā)布時間：2020-09-03 08:54

　　 隨著高分辨率衛(wèi)星視頻的出現(xiàn),衛(wèi)星視頻為智能交通系統(tǒng)建設(shè)提供了新的數(shù)據(jù)源,從衛(wèi)星視頻中獲取大范圍道路交通信息已經(jīng)成為了一個極具潛力的研究方向。本文旨在分析衛(wèi)星視頻圖像特性的基礎(chǔ)之上,嘗試進(jìn)行衛(wèi)星視頻交通流參數(shù)提取。本文的主要的研究內(nèi)容如下:(1)總結(jié)了視頻衛(wèi)星的發(fā)展歷程及其應(yīng)用情況,分析了衛(wèi)星視頻作為一種新的交通信息采集源的優(yōu)缺點(diǎn),并對視頻交通信息采集所涉及的一些基本的算法,包括車輛檢測和車輛跟蹤等算法的優(yōu)缺點(diǎn)和近期的研究方向進(jìn)行了分析歸納,明確了本文的研究方向。(2)針對衛(wèi)星視頻存在的背景復(fù)雜、運(yùn)動目標(biāo)數(shù)量眾多、運(yùn)動目標(biāo)特征不明顯等問題,設(shè)計了一種包括感興趣區(qū)域設(shè)置和直方圖變換的圖像預(yù)處理方法,以實現(xiàn)衛(wèi)星視頻圖像的增強(qiáng)。(3)針對衛(wèi)星視頻中車輛的特點(diǎn),提出了一種基于衛(wèi)星視頻的交通流參數(shù)提取方法。該方法主要包括三個部分,首先考慮到衛(wèi)星視頻中車輛所占像素少、車輛特征不明顯的特點(diǎn),選擇了通過角點(diǎn)檢測來實現(xiàn)車輛檢測。與一般的角點(diǎn)檢測算法不同的是,本文在傳統(tǒng)的角點(diǎn)檢測算法的基礎(chǔ)上,針對衛(wèi)星視頻的特點(diǎn)附加了一定的限制條件,通過這些附加條件來實現(xiàn)車輛與角點(diǎn)的一一對應(yīng),從而實現(xiàn)對車輛的檢測。其次算法采用了稀疏光流的方法對車輛檢測中得到的角點(diǎn)進(jìn)行跟蹤,利用角點(diǎn)與車輛的對應(yīng)關(guān)系實現(xiàn)了車輛跟蹤,得到了車輛的運(yùn)行軌跡線。最后在車輛檢測跟蹤得到的角點(diǎn)信息的基礎(chǔ)之上,結(jié)合衛(wèi)星視頻的相關(guān)參數(shù),實現(xiàn)了對道路上車輛車速的計算。(4)采用了 UrtheCast公司的兩個高清衛(wèi)星視頻(波士頓和拉斯維加斯地區(qū))對本文提出的衛(wèi)星視頻交通流參數(shù)提取方法的可靠性進(jìn)行實驗驗證,并借助于OpenCV庫開發(fā)了本文所需要的程序,實驗結(jié)果表明利用本文算法得到的車輛檢測精度平均為85.13%,交通流速度提取的精度平均為86.80%,證明了本文算法的可靠性。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U491
【部分圖文】：

得一些傳統(tǒng)的視頻處理算法并不能很好的應(yīng)用于衛(wèi)星視頻數(shù)據(jù)。因此，以視頻車輛交通流參數(shù)提取為切入點(diǎn)，探究適用于衛(wèi)星視頻的交通信息采集于促進(jìn)衛(wèi)星視頻在智能交通領(lǐng)域的應(yīng)用具有重要的參考意義。逡逑１．２國內(nèi)外研究現(xiàn)狀逡逑１．２．１衛(wèi)星視頻發(fā)展歷程與應(yīng)用逡逑衛(wèi)星是指圍繞一顆行星軌道做閉合周期性運(yùn)動的天然天體它的多個部分，主要有衛(wèi)星本身、地面站以及衛(wèi)星與地面站的連接部分。衛(wèi)星統(tǒng)包括結(jié)構(gòu)系統(tǒng)、熱控系統(tǒng)、通信系統(tǒng)和姿勢控制系統(tǒng)，當(dāng)前衛(wèi)星按用途通信衛(wèi)星、氣象衛(wèi)星等。邐，逡逑視頻衛(wèi)星是指衛(wèi)星在運(yùn)動中始終與目標(biāo)區(qū)域掛鉤，從而實現(xiàn)對目標(biāo)區(qū)視”觀測的一種新型對地觀測衛(wèi)星，如圖１－１所示［１Ｇ１。根據(jù)視覺暫停原理，的變化超過每秒２４幀時，人們的觀感就覺得是平滑的，借助這一原理，便可實現(xiàn)對目標(biāo)的動態(tài)觀測，得到視頻數(shù)據(jù)。逡逑

如果某點(diǎn)像素值的變化值小于預(yù)定的閾值，則可確定該點(diǎn)的像素為背景逡逑像素，否則確定為前景像素點(diǎn)，從而可以檢測出視頻幀中的運(yùn)動目標(biāo)。幀差法的基逡逑本處理流程如圖１－２所示。逡逑當(dāng)前幀圖像逡逑視頻序列－邋預(yù)處理逡逑前一幀圖像逡逑運(yùn)動目標(biāo)丨—后續(xù)處理邐二值化逡逑圖１－２幀差法的基本思路逡逑Ｆｉｇ．邋１邋－２邋Ｔｈｅ邋ｂａｓｉｃ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｆｒａｍｅ邋ｄｉｆｆｅｒｅｎｃｅ邋ｍｅｔｈｏｄ逡逑幀差法的優(yōu)點(diǎn)在于計算量比較小，背景不積累，實時運(yùn)算實現(xiàn)起來比較容易，逡逑對于陰影等光線的變化適應(yīng)性比較好。幀差法的缺點(diǎn)也很明顯，幀差法對環(huán)境噪聲逡逑比較敏感，算法的閾值很難確定，如果選定的閾值過大，可能造成目標(biāo)遺漏，閾值逡逑選擇過低，則可能產(chǎn)生目標(biāo)誤檢。因此目前在具體的應(yīng)用領(lǐng)域，學(xué)者們都是將幀差逡逑法進(jìn)行改進(jìn)或其他方法進(jìn)行結(jié)合后再進(jìn)行運(yùn)動目標(biāo)的檢測１１ＭＱ１。逡逑針對幀差法中常出現(xiàn)的“空洞”和“影子”的問題，學(xué)者們提出了不同的解決方法。逡逑比如學(xué)者渠燕紅［２１味是出了一種將動態(tài)像素補(bǔ)償模型和迭代幀差法相結(jié)合的運(yùn)動目逡逑標(biāo)檢測方法，該方法通過建立動態(tài)補(bǔ)償模型來克服光照對目標(biāo)檢測的干擾，同時采逡逑用迭代幀差法來減少“空洞”的產(chǎn)生，并通過人流檢測來測試算法的可靠性，實驗結(jié)逡逑果表明該模型在復(fù)雜場景下具有較高的可靠性。也有學(xué)者通過將幀差法和混合高逡逑斯法結(jié)合來解決這一問題

景減除法的關(guān)鍵在于背景模型的精確構(gòu)造，如何根據(jù)場景的動態(tài)變化來更新背景逡逑是增強(qiáng)背景減法的關(guān)鍵之一，目前背景建模方法主要有均值法、中值法和高斯建模逡逑法等［２６１。背景減除法的基本流程如圖１－３所示。逡逑當(dāng)前幀邋邐逡逑預(yù)處理邐（一）二值化后續(xù)處理一一運(yùn)動目標(biāo)逡逑背景建模逡逑圖１－３背景減除法基本思路逡逑Ｆｉｇ．邋１－３邋Ｔｈｅ邋ｂａｓｉｃ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｂａｃｋｇｒｏｕｎｄ邋ｓｕｂｔｒａｃｔｉｏｎ邋ｍｅｔｈｏｄ逡逑均值法是指將訓(xùn)練背景圖像的平均值作為背景圖像來進(jìn)行運(yùn)動目標(biāo)檢測，均逡逑值法的實現(xiàn)有很多不同的途徑。比如黃磊等１２７１首先利用一段時間的視頻幀數(shù)據(jù)，逡逑對其對應(yīng)像素點(diǎn)的像素值進(jìn)行求和平均，再利用平均值來構(gòu)建背景圖像，最后通過逡逑背景差分完成運(yùn)動目標(biāo)檢測。這種方法能夠解決攝像機(jī)抖動等瞬時噪聲所帶來的逡逑問題［２８］，但用該方法得到的背景圖像并不是很理想，只適合在一般的背景圖像中逡逑使用，對于一些特殊的背景情況，需要采用一些額外的處理方法。比如韓超等１２９］考逡逑慮到由于均值法受到車流量的影響，背景建模會產(chǎn)生殘影，因此提出了一種基于差逡逑分均值和矩陣分區(qū)的背景建模方法，該算法可以實現(xiàn)比較完整的車輛陰影檢測，并逡逑可以滿足多目標(biāo)的實時檢測。逡逑６逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;國家民用空間基礎(chǔ)設(shè)施中長期發(fā)展規(guī)劃(2015-2025年)[J];衛(wèi)星應(yīng)用;2015年11期

2 李艷萍;林建輝;楊寧學(xué);;一種基于SIFT特征光流的運(yùn)動目標(biāo)跟蹤算法[J];計算機(jī)科學(xué);2015年11期

3 劉祥磊;童小華;馬靜;;視頻測量影像序列橢圓形人工目標(biāo)點(diǎn)快速識別和跟蹤方法[J];測繪學(xué)報;2015年06期

4 邵奇可;周宇;李路;陳慶章;;復(fù)雜場景下自適應(yīng)背景減除算法[J];中國圖象圖形學(xué)報;2015年06期

5 亞森·艾則孜;艾山·吾買爾;;運(yùn)動目標(biāo)檢測中基于灰度特征模型的背景消除方法[J];計算機(jī)工程;2015年06期

6 於正強(qiáng);潘峗;宦若虹;;一種結(jié)合幀差法和混合高斯的運(yùn)動檢測算法[J];計算機(jī)應(yīng)用與軟件;2015年04期

7 劉天良;鄭海紅;羅圣美;梁瑋;鄧碩;;改進(jìn)的混合動靜態(tài)背景的分割方法[J];西安交通大學(xué)學(xué)報;2015年02期

8 劉韜;;國外視頻衛(wèi)星發(fā)展研究[J];國際太空;2014年09期

9 周若谷;;基于高斯背景建模和時間差分法的目標(biāo)檢測研究[J];電腦編程技巧與維護(hù);2014年04期

10 郭曉;郭曉金;;基于時空的混合高斯背景建模的運(yùn)動目標(biāo)檢測[J];電視技術(shù);2013年03期

相關(guān)碩士學(xué)位論文 前3條

1 銀龍;陜西省道路智能交通體系規(guī)劃研究[D];長安大學(xué);2014年

2 李杰;視頻序列中運(yùn)動目標(biāo)檢測跟蹤算法研究[D];西南交通大學(xué);2010年

3 裴巧娜;基于光流法的運(yùn)動目標(biāo)檢測與跟蹤技術(shù)[D];北方工業(yè)大學(xué);2009年

本文編號：2811224