基于视频跟踪技术的交通流参数统计方法研究

发布时间：2018-02-03 07:55

本文关键词： ITS 帧间差分法角点检测肢体权重 Camshift Kalman滤波粒子滤波跟踪计算机视觉　出处：《长安大学》2015年硕士论文　论文类型：学位论文

【摘要】：在国内经济飞速发展的大环境下,日益增高的车辆保有量导致了道路交通运行状况的逐渐恶化。作为ITS的重要部分,基于视频的交通管理技术也越来越受到重视。交通流参数对于交通管理以及城市道路建设有着很重要的意义。通过视频监控来完成交通流参数的统计,不仅可以提高城市交通的智能化水平,还可以减少大量不必要的人力物力的投入。本文以视频跟踪技术为基础,着重对交通实体目标的检测、特征提取、目标跟踪以及交通流参数统计等方面进行了研究。论文的主要工作如下:(1)在目标检测方面,研究了以车辆为代表的刚性交通实体的常用目标检测方法,并针对车辆目标与行人目标在运动时个体形变上存在差异而导致检测效果不佳的情况,提出了结合了帧间差分图像和角点检测的行人目标检测方法。该算法在处理行人目标在行进过程中由于肢体形变而产生的检测误差时有着很好的效果。(2)在特征点提取方面,对于车辆目标,本文通过计算噪声像素点与车辆主要轮廓像素点之间的比例来处理目标检测算法带来的一些检测误差;为减小行人运动过程中肢体形变对特征点提取产生的误差,本文提出了一种基于肢体权重的特征点提取算法。该算法在提取特征点过程中,将人体运动前肢、躯干以及后肢对运动过程的影响赋予相应权值,最终通过加权求和,得到人体位置特征点。(3)在目标跟踪方面,对于车辆目标,本文采用了基于Camshift和Kalman滤波的目标跟踪算法,前者用于计算目标在视频序列中出现的最优位置,而后者为目标提供位置预测,目的是为解决相似颜色背景对目标跟踪产生的干扰;而对于行人目标,为解决其自身形变对跟踪算子带来的影响,本文采用了基于粒子滤波的多目标跟踪算法,通过合理的粒子分配运算及最优化选择,完成对行人目标的跟踪。同时,基于跟踪技术的交通流参数统计方法在处理目标运动状态变化带来的参数统计误差方面也有着很大的优势。(4)在交通流参数统计方面,常用的视频交通流参数统计算法由于需要人为设定参数,缺乏灵活性,普遍适用性稍低。为解决这一问题,本文提出了结合了计算机视觉和人类统计数目思想的交通流参数统计算法,不需预设参数,根据出现在视场中的各目标在相邻帧之间的特征对比结果,完成流量统计,并在此基础上完成其他交通流参数的计算。综合研究成果,设计并实现了一个基于视频跟踪的交通流参数统计系统。实验表明,该算法有着不低于常用检测算法的检测效果,以及较高的普遍适用性。
[Abstract]:In order to reduce the errors caused by the deformation of limbs in the process of pedestrian movement , this paper proposes a method for detecting the target tracking by calculating the proportion of the noise pixel points and the main contour pixels of the vehicle . ( 4 ) In the aspect of traffic flow parameter statistics , the general calculation method of video traffic flow parameters is less flexible and less popular due to the need to set parameters artificially . In order to solve this problem , this paper proposes a traffic flow parameter statistical system combining computer vision and human statistics .

【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U495;TP391.41

【参考文献】