智能交通系统中视频处理关键技术研究

发布时间：2017-07-14 07:15

  本文关键词：智能交通系统中视频处理关键技术研究

  更多相关文章： 智能交通系统 图像处理 大范围监管 违章监控 预测抓拍

【摘要】：当今社会城市化道路交通发展迅速,交通监管方面的压力也随之而来。智能交通系统是可以提高通行效率、减少人力成本的信息化手段,能够有效保障所监管路段车辆行驶安全,因此对其的研究也引起了人们的重视。在智能交通系统中,智能监管的范围和效率是研究的热点之一,本文主要针对效率更高、监管范围更大的智能交通系统中的视频处理关键技术进行研究。本文研究的智能交通系统采用基于图像处理的方法来检测车辆目标。主要利用图像处理技术中颜色空间、图像灰度化以及二值化等方面的基本原理来处理视频数据；通过均值背景提取法获得视频背景,从而可以用视频帧序列与背景相减来提取图像中的前景目标,最后采用图像形态学处理法优化所提取的前景。监管更大范围意味着每帧图像处理计算量的增加,本文针对如何高效且准确跟踪上移动车辆目标展开了研究。给出了一种中值滤波与抽取相结合的图像预处理优化方法,降噪的同时减少了每帧图像处理的计算量；采用基于灰度图像块配准的运动补偿抖动消除算法,有效抑制了图像抖动噪声；针对视频图像中的前景车辆目标,采用基于帧间目标最大重叠面积的方法跟踪车辆目标,从而准确获得了行驶车辆目标的运动轨迹信息。本文提出了一种运动目标在视频图像中的像素坐标轨迹预测方法,该方法便捷实用,无需任何实际路面及摄像机参数信息,同时所采用的分式预测模型源于相机成像原理,在需要变焦抓拍移动目标时,该方法可以准确预测到最佳的抓拍位置。在此基础之上研究了智能交通系统中的违章变焦抓拍方法,采用多项式最小二乘法来拟合道路边界,存储所提取的道路数据以便程序多次运行读取；结合所获取的道路数据给出了一套针对车辆违法行为的智能违章判定方法,可以有效识别出车辆压线、逆向、占用应急车道等交通违法行为。本文最后提出了一种交通违法车辆智能跟踪抓拍系统的构建方法,采用球型摄像机、工业控制计算机以及通信设备等硬件设备,通过系统软件包括球机控制、图像处理、智能研判、违章取证、数据上传等模块,实现自动控制球型摄像机的云台及镜头状态来动态跟踪车辆目标并进行行为分析。本系统在交通事故易发路段某机场高速路口进行了实际测试,主要针对该路段中有压线、逆行、占用应急车道等典型交通违法行为的车辆进行违章取证,测试效果良好,可以有效监管车辆行为,保障道路行驶安全。
【关键词】：智能交通系统 图像处理 大范围监管 违章监控 预测抓拍
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-14
• 1.1 课题研究背景和意义10-11
• 1.2 国内外研究现状11-12
• 1.3 论文研究内容12
• 1.4 论文组织结构12-14
• 第二章 智能交通系统中的视频处理理论基础14-24
• 2.1 视频监控图像数据获取基本原理14-16
• 2.1.1 基于文件的视频图像解码(RGB)14-15
• 2.1.2 基于实时监控的视频图像解码(YUV)15-16
• 2.2 图像处理基本原理16-20
• 2.2.1 图像灰度化原理16-18
• 2.2.2 视频背景初始化原理18
• 2.2.3 图像二值化原理18-20
• 2.3 图像前景提取基本原理20-21
• 2.3.1 背景差分法20-21
• 2.3.2 图像形态学处理21
• 2.4 本章小结21-24
• 第三章 智能交通大范围监控系统中的图像处理技术研究24-36
• 3.1 图像滤波与抽取技术研究24-28
• 3.1.1 图像滤波处理24-26
• 3.1.2 图像像素抽取处理26-27
• 3.1.3 滤波与抽取相结合27-28
• 3.2 图像抖动处理研究28-32
• 3.2.1 基于图像块匹配的抖动处理原理28-30
• 3.2.2 具体应用实例30-32
• 3.3 车辆目标检测跟踪技术研究32-35
• 3.3.1 运动目标检测32-33
• 3.3.2 运动目标跟踪33-34
• 3.3.3 运动目标识别34-35
• 3.4 本章小结35-36
• 第四章 智能交通系统中违章目标变焦抓拍方法研究36-54
• 4.1 道路数据提取方法研究36-40
• 4.1.1 监控边界数据提取36-40
• 4.1.2 摄像机预置位数据提取40
• 4.2 车辆违章行为判定算法研究40-46
• 4.2.1 骑、轧车道分界线行为判定41-42
• 4.2.2 违规逆向行为判定42-44
• 4.2.3 占用应急车道行为判定44-46
• 4.3 大范围内预测抓拍算法研究46-53
• 4.3.1 大范围内预测抓拍原理47-49
• 4.3.2 大范围内预测抓拍方法49-51
• 4.3.3 大范围内预测抓拍应用51-53
• 4.4 本章小结53-54
• 第五章 交通违法车辆智能跟踪抓拍系统构建与方法54-72
• 5.1 智能跟踪抓拍系统功能54-55
• 5.2 系统硬件构建方法55-57
• 5.2.1 球型摄像机55-56
• 5.2.2 系统硬件结构56-57
• 5.3 系统软件构建方法57-65
• 5.3.1 系统软件结构57-58
• 5.3.2 球机控制模块58-59
• 5.3.3 违章取证模块59-64
• 5.3.4 数据上传模块64-65
• 5.4 系统实现65-71
• 5.4.1 系统初始化及工作过程65-67
• 5.4.2 系统工作流程图67
• 5.4.3 系统软件界面及实验结果67-71
• 5.5 本章小结71-72
• 第六章 总结与展望72-74
• 6.1 总结72
• 6.2 展望72-74
• 致谢74-76
• 参考文献76-80
• 作者简介80

【参考文献】

中国期刊全文数据库 前10条

1 冯成春;;计算机技术在智能交通系统中的应用[J];中国管理信息化;2016年05期

2 钱X;李芳;文益民;;基于颜色和空间距离的显著性区域固定阈值分割算法[J];计算机科学;2016年01期

3 董艳;梁久祯;;基于多种色彩空间的像素覆盖分割方法[J];小型微型计算机系统;2015年08期

4 邓垲镛;唐佳林;;智能交通中车辆跟踪算法的研究[J];科技资讯;2015年11期

5 武凤翔;;基于DirectShow和WPF的实时视频图像采集与处理系统设计与实现[J];计算机应用与软件;2015年03期

6 权开波;贾宁;杜培寿;;基于最小二乘法的曲线拟合[J];商;2015年03期

7 赵娜;袁家斌;徐晗;;智能交通系统综述[J];计算机科学;2014年11期

8 江爱文;刘长红;王明文;;基于前—后向光流点匹配运动熵的视频抖动检测算法[J];计算机应用;2013年10期

9 吉淑娇;朱明;胡汉平;邢笑雪;;基于特征匹配的视频稳像算法[J];吉林大学学报(工学版);2013年S1期

10 郑建青;;观察数据用联系数表示的最小二乘法及应用[J];宁波大学学报(理工版);2013年01期

，

本文编号：540143