基于视频图像的城市交通流量统计算法研究

发布时间：2021-01-11 02:53

　　经济的快速发展加快了我国城市化的进程,但城市中机动车数量增加造成的交通拥堵问题已成为国内外各大城市共同面临的难题。城市交通拥堵现象的加剧使得人们把解决交通问题的重点转向了交通管理领域,提出了智能交通系统的概念。车流量统计是智能交通系统的重要基础,也是交通管理的重要依据。通过监测道路上的车流量数据,获取交通运行的实时状况,及时做出交通引导,降低车辆拥堵,达到智能运输的目的。本文的主要研究内容是根据道路上的监控视频信息对行驶的车辆进行车流量检测、跟踪,并进行车流量统计。本论文首先对常见的车流量检测技术作对比,针对Vibe算法在检测过程中容易出现的“鬼影”现象提出了改进。在背景模型初始化时选取像素点的14邻域,并将Vibe算法与帧间差分法相结合,在一定程度上改善了Vibe算法的“鬼影”现象。检测出运动的车辆目标后,采用基于HSV的阴影消除算法消除图像中的阴影,滤除噪声并提取出运动车辆目标的轮廓。其次采用基于运动目标特征和运动历史图像更新的方法对运动目标进行跟踪。最后将车辆轮廓跟踪与虚拟线检测相结合,为每一个车道划分检测区域,使每条车道都能统计到相应的车流量。通过对晴天、阴雨天气、夜晚三种环境... 

【文章来源】：西安科技大学陕西省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

交通图像中值滤波效果图

╝）原始图（b）开运算效果图 （c）闭运算效果图图 2.3 交通图像形态学滤波效果图2.3 图像增强城市交通流视频的使用范围在室外，视频的背景随时间、天气等不断变化。不同时间段、不同天气状态会对图像背景产生影响，使图像质量下降、图像特性被削弱，为后期图像处理带来影响。改良图像的处理效果、方便对图像进行分析及突出图像特征都是图像增强的任务。图像增强主要是通过图像锐化使图像的目标区域更加明显，包括增强图像的边缘线条和补偿图像的轮廓等方式。本文采用的图像锐化方法是拉普拉斯锐化。在图像中，一个连续函数 f ( x , y )在点( x , y )处的拉普拉斯算子计算公式如下：2 222 2( , ) f ff x yx y（2.12）离散函数 在点 处的拉普拉斯算子可以定义为式（2.13）。可以用模板图2.4（a）表示。2( , ) [ ( 1, ) ( 1, ) ( , 1)( , 1)] 4 ( , )f x y f x y f x y f x yf x y f x y （2.13）将对角线上的像素点加入到拉普拉斯变换中，式（2.13）扩展为式（2.14）。可以用图 2.4（b）模板表示。图 2.5 展示了交通图像经过拉普拉斯锐化的效果图。

（2.14）（a）拉普拉斯算子 （b）扩展模板图 2.4 拉普拉斯锐化模板（a）原图 （b）拉普拉斯锐化效果图图 2.5 交通图像拉普拉斯锐化效果图2.4 本章小结本章介绍了本文中应用到的视频图像预处理方法，包括 RGB 图像、灰度图像、二值图像以及不同图像类型之间相互转换的理论方法，还有图像滤波中常用的中值滤波和形态学滤波的基本理论，最后介绍了本文采用的拉普拉斯锐化图像增强方法。


本文编号：2969933