基于车道线的高速公路视频监控中车辆检测与跟踪研究

发布时间：2020-05-22 05:01

【摘要】：西部地区的多数高速公路具有视野纵深远且道路呈直线型的特点,由于空间透视投影的原因,导致在监控范围内运动车辆的面积特征变化较大,J总体呈现“远小近大,”的现象。对于整幅图像难以找到一个合适的阈值,使其既可以滤除近视野中较大的噪声,又可以保留远视野中较小的车辆目标。因此,提出了基于车道线的高速公路视频监控中的车辆检测和跟踪方法,借助车道线来描述这种空间关系,引入影响因子来改善运动目标的直接特征表现。在目标检测前先利用混合高斯模型建立背景图像,该背景模型可动态更新。然后利用背景差分法获得前景目标,并对其进行阴影消除和形态学处理。对背景图像中依次进行车道线位置与颜色特征提取、边缘检测、Hough直线变换和K-means聚类等计算获得了三条车道线的直线信息以及车道线交点坐标,为后续车道线影响因子的计算奠定了基础。对于检测出的车辆目标分别通过其与基准车道线夹角大小和与交点的距离确定其在监控场景中的位置。不同位置影响因子的计算为:分车道实际采集目标在整个监控视野中的面积特征数据,选定其最大位置处(近视野)的面积作为标准面积,对于其它位置处影响因子是通过求标准面积与该位置处面积比值计算得到,这样就可以完成整个有效监控区域的影响因子的计算。因此本文中的目标检测结果不仅包括视频图像中目标的直接面积特征值,还包括利用影响因子与其计算的乘积值,这样就可以调节不同位置的目标面积特征表现,进而衡量目标的合理性。本文的目标检测方法可以去除伪目标,同时保留远视野中车辆目标,还可以获得车辆目标的运动车道或方向,进而可以滤除位置异常的背景噪声,使得目标检测结果更加准确。在完成目标检测的基础上选择基于特征的目标跟踪方法对车辆跟踪进行研究,选取车辆的质心位置和面积特征以及车道信息作为相邻两帧中目标跟踪时的匹配特征,所以目标匹配中只对于同一运动方向的车辆进行相似度比对,从而减少了不必要的目标匹配计算,提高了计算效率。
【图文】：

集系统获取的视频数据是模拟信号，需要经数字信号，再输入计算机进行相应的处理。真现象，因此一般都会在后续算法处理前对章也会介绍一些在后续的检测环节需要的图输中通常会受到噪声的干扰，从而影响图像理部分产生影响，降低图像处理效果。滤波处的信息，常见的图像滤波有以下几种：单的空间域线性平滑滤波，该滤波的核心思替代原图像的中心像素值。其表达式如式（g(x, y) f(x,y)m像素值，m 为均值滤波模板中像素的个数，均值滤波的结果如图 2-1 所示。

图 2-2 中值滤波平滑结果图Fig.2-2 Smoothing result of median filter斯滤波滤波对于具有正态分布特征的噪声可以达到极好的处理效果，它是一种常。它对于模板窗口内的像素值分配不同的权值，如图 2-3 为高斯平滑滤波，距离中心点位置越近，权值越高，，越靠近边缘，权值越小。高斯平滑滤内所有像素值与所对应权值乘积的和，再除以模板系数个数，将结果作为结果，其可以用高斯函数分布来描述模板内权值的分配。一个二维的高斯：2222(,) xyhxye y)为模板坐标位置， 是标准差。例如对于图 2-4 所示的模板坐标图，要获对高斯函数进行离散化，依次将每个像素点坐标位置带入函数中，得到的板的系数。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U495;TN948.6

【相似文献】

相关期刊论文 前10条

1 骆济焕;兰凤崇;陈吉清;;联合图像处理和目标约束的车道线检测方法[J];汽车工程学报;2019年01期

2 赵伟康;黎向锋;毕高杰;谢昌刚;李X;杨振泰;;一种基于横截面特征的车道线检测方法[J];机械制造与自动化;2019年03期

3 姜立标;台U_龙;;基于实例分割方法的复杂场景下车道线检测[J];机械设计与制造工程;2019年05期

4 李福俊;顾敏明;;车道线实时检测与偏离预警系统设计与研究[J];光电子·激光;2018年03期

5 方睿;;基于视觉的车道线检测技术综述[J];内江科技;2018年07期

6 王爽;;车道线检测专利技术综述[J];中国新通信;2017年24期

7 朱亚萍;李永强;;基于视觉的缩微车车道线检测[J];杭州电子科技大学学报(自然科学版);2017年01期

8 孙家阔;刘扬;;基于城市实景影像的车道线检测方法研究[J];城市勘测;2017年03期

9 蔡渤;;低光照环境中车道线检测方法[J];襄阳职业技术学院学报;2017年03期

10 隋靓;党建武;王阳萍;;基于分段切换模型的快速车道线检测[J];计算机应用与软件;2017年08期

相关会议论文 前10条

1 胡坤福;范晓娟;段海艳;宾洋;罗文广;朱书善;;基于自适应感兴趣区域的车道线识别技术[A];第36届中国控制会议论文集（G）[C];2017年

2 王月;杨航;曹恺;江源远;何聪;;基于结构化道路的车道线拟合方法[A];2018中国汽车工程学会年会论文集[C];2018年

3 佟洋;毛须伟;张茂桢;徐熙平;;一种基于图像处理的车道线识别方法[A];国防光电子论坛第二届新型探测技术及其应用研讨会论文集[C];2015年

4 杨广林;苗冬霜;;结构化道路车道线检测与跟踪算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

5 毕雁冰;;提高车道线识别精度的一种方法[A];第三届中国CAE工程分析技术年会论文集[C];2007年

6 郑欣蕊;王云鹏;余贵珍;徐永正;;基于图像连通区域特征的低空航拍图车道线识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

7 刘晓龙;邓志东;;基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

8 张洁颖;王生进;丁晓青;;基于车辆轨迹的车道线检测与划分[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

9 徐西海;;分段搜索弯道车道线识别算法研究[A];西南汽车信息：2016年第4期（总第361期）[C];2016年

10 余贵珍;李芹;王迪;;车辆智能化车道线跟踪方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

相关重要报纸文章 前6条

1 记者 王大波　赵宏光;牛家镇种粮农民增产不增收[N];哈尔滨日报;2008年

2 记者 韩丽梅;齐心协力打一场环卫攻坚战[N];佳木斯日报;2010年

3 本报记者 李宏策;全自动驾驶梦何日实现[N];科技日报;2019年

4 本报记者 何晓亮;自动驾驶汽车：出事算谁的？[N];科技日报;2012年

5 饶洪斌;市区开展停车秩序专项整治[N];咸宁日报;2007年

6 本报记者 韦铭　张璐 本报通讯员 张辉;这些新技术与生活息息相关[N];南京日报;2011年

相关博士学位论文 前10条

1 于泳;应用于智能车的车道信息感知及增量建模技术研究[D];吉林大学;2018年

2 穆柯楠;基于车—路视觉协同的行车环境感知方法研究[D];长安大学;2016年

3 王俊;无人驾驶车辆环境感知系统关键技术研究[D];中国科学技术大学;2016年

4 沈\

本文编号：2675485