基于视频图像处理的交叉路口车流量智能检测系统

发布时间：2020-05-09 07:44

【摘要】：随着当前交通行业发展迅速,在城市的交通网中,往往出现个别路口拥堵严重,但附近路口却通行顺畅的情况。因此,实时的了解到每个交叉路口交通状况,对于驾驶员选择合理的行车路线有重要意义,同时也是改善城市交通拥挤的有效途径。基于视频处理的车队长度检测系统,将图像处理与各种交通信息技术相结合,具有使用范围广、测量精度高、实时性好以及可基于已有的监控系统直接升级的优势,是现代化智能交通信息获取的技术中重要的组成成分。车流量的识别过程是:首先采集交叉路口的车辆视频,通过中值滤波和高斯滤波去除图像中的噪声,然后使用背景差分法检测出前景车辆,并通过B样条曲线法计算出图像中车辆的面积,从而可以计算车辆的数量。系统对中值滤波模块在3×3窗口中值计算法进行改进,使用将9个数据进行排序的方式代替传统的计算方法,将计算次数从30次减少到18次,在保证精度的前提下,节省了机器时间。背景差分过程中,首先建立背景,将连续图像帧中的像素点进行差分运算,当差值小于阈值是认为该点为背景点,经多次训练可以实时的得到最适合当前情形的背景图;然后将图像与背景图像进行差分运算,当差值超过阈值,认为该点为前景车辆。通过在差分后图像中建立B样条曲线轮廓,按照B样条曲线控制点的法线方向逼近前景目标边缘,经过多次迭代运算,B样条曲线轮廓与前景车辆轮廓相同,此时计算B样条曲线轮廓包含的面积,即为车辆面积。最终通过预设的参数,将面积转换为车辆数目。论文分别使用Matlab和Modelsim进行仿真,测试证明:方法可以得到准确的面积,并可以较准确的计算出车辆的数目,误差为10%,具有良好的检测精度,在智能交通行业有较高的应用前景。图[60]表[3]参[73]
【图文】：

正态分布,高斯滤波,函数

是在保证信息完整性的前提下提高图中，图像易受到外界因素的干扰，使得图像和现实提取中会出现较大的误差。所以从图像的采集到传保证图像信息的完整性。对有差异的图像进行滤波的识别。原理要作用于正态分布的噪声，其根据高斯函数的形波器。高斯函数具有旋转对称性、单值函数、傅氏滑程度）、可分离性五个性质[42]。图像处理中多使滤波函数，其表达式（3-1）为[43]：2 22( )2( , )x yg i j e 斯分布参数，决定了高斯滤波器的宽度。

行列,中值滤波,方法,矩阵

取这一组数的中值即为该中值滤波的过程。算法重点部分介绍：在整个中值计算过程中，两次排列是最关键的部分，如上图所示，第一步完成矩阵的取值，第二步进行行列的重新排列即为最重要的一步。经列处理后，第一行最右边的数值至少在矩阵中存在两个比其小的数值，第二行第三行同理；而后经过行处理，第一列最下面的数值至少在矩阵中可找的两个比其小的数值，第二列第三列同理；经过两步变化，中间一行与中间一列的交集，逼近该矩阵的中值，，右下角的逼近该矩阵的最大值，左上角逼近该矩阵的最小值。在计算过程中，列处理中每一行的比较运算实际经过了3 × 3 = 9次，在行处理中每一列的计算同样经过了 9 次。因此在实际操作中使用了 9+9=18 次操作，相对于传统的30 次操作极大的减少了工作量。该方法分布进行在 FPGA 上硬件并行实现较为简单，通过数组排列进行中值滤波减少了工作量节省硬件空间。下图以 8、45、21、33、69、40、36、48、20 为例以图像形式介绍中值滤波的方法，过程如图 6 和图 7 所示：
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U491

【参考文献】