基于交通视频的车流量检测研究

发布时间：2021-01-31 19:31

　　城市的发展带来了一系列的城市交通问题,智能交通系统（Intelligent Transportation Systems,ITS）被认为是解决交通问题的最佳方法。车流量作为智能交通系统中重要的基础信息,如何快速、精确地进行车流量检测是智能交通系统的重要研究内容。随着计算机视觉和物联网技术的发展,交通视频监控成为交通信息采集的新技术并将发挥更大的作用,而如何快速、精确地对视频进行车辆检测和车流量统计是关键所在。传统的车辆检测方法如背景差分法、帧差法、光流法等具有一定的局限性,基于深度学习的目标检测方法逐渐成为主流方法。本文将深度学习应用于交通视频车流量检测,首先,针对缺少标注数据的问题,提出基于场景迁移的深度学习车辆检测模型构建方法;然后,针对车辆检测可能出现的漏检和误检情况,提出融合车辆跟踪的虚拟检测区车流量检测方法;最后,将路段拓扑关系引入车流量检测中,建立路段流量拓扑模型,对车流量检测结果进行校正。主要完成以下工作:（1）基于场景迁移的深度学习车辆检测模型构建方法研究:针对缺少标注数据的问题,在公开数据集的基础上,将迁移学习和深度学习相结合,采用基于样本的迁移学习和基于参数的迁移学... 

【文章来源】：深圳大学广东省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

背景差分法原理图

帧差法原理图

光流法原理图

【参考文献】：
期刊论文
[1]一种结合光流法与三帧差分法的运动目标检测算法[J]. 袁国武,陈志强,龚健,徐丹,廖仁健,何俊远.  小型微型计算机系统. 2013(03)
[2]基于最大互信息区域跟踪的人体行为检测算法[J]. 王泰青,王生进,丁晓青.  自动化学报. 2012(12)
[3]运动目标检测的三帧差法算法研究[J]. 王孝艳,张艳珠,董慧颖,李媛,李小娟.  沈阳理工大学学报. 2011(06)
[4]序列图像中的目标区域跟踪算法的设计[J]. 高峰,魏少华,刘彩红.  计算机技术与发展. 2011(08)
[5]基于三帧差法和交叉熵阈值法的车辆检测[J]. 李秋林,何家峰.  计算机工程. 2011(04)
[6]一种基于三帧差分和边缘信息的运动目标检测方法[J]. 甘明刚,陈杰,刘劲,王亚楠.  电子与信息学报. 2010(04)
[7]基于视频分析的车流量综合检测算法[J]. 王勃,贾克斌.  交通信息与安全. 2010(01)
[8]基于加权累积差分的运动目标检测与跟踪[J]. 左凤艳,高胜法,韩建宇.  计算机工程. 2009(22)
[9]基于视频的交通流参数智能检测系统研究[J]. 彭哲,吴炜,杨晓敏,陈默,何小海.  成都信息工程学院学报. 2008(02)
[10]基于动态阈值对称差分和背景差法的运动对象检测算法[J]. 陈磊,邹北骥.  计算机应用研究. 2008(02)



本文编号：3011457