基于计算机视觉的交通流量智能监测技术研究

发布时间：2017-08-11 12:10

  本文关键词：基于计算机视觉的交通流量智能监测技术研究

  更多相关文章： 多目标跟踪 交通流量监测 Cam-Shift 光流法 OpenCV

【摘要】：随着我国经济的发展,汽车保有量增速迅猛,与之而来的是困扰各个城市的交通问题。科学有效地规划、管理城市交通成为城市发展的重要一环。在计算机视觉逐步发展的今天,如何利用计算机视觉解决交通问题成为了热门研究方向。本文的目标是实现一个智能交通流量监测原型系统,通过算法处理道路监控摄像头提供的实时视频,得到相应路段交通流量的有关数据。这样,交通管理部门可以依据这些数据,有针对性地调控相应路段的交通管理策略,最终达到提高道路交通的管理效率,缓解交通拥堵,减少交通事故的目的。在一段时间内,经过道路的车辆数量反映了交通流量的大小。我们使用多目标跟踪算法对视频中的车辆进行跟踪,以达到统计车辆数量的目的。在实现车辆跟踪之前,我们首先对比了有关视频预处理的算法和背景建模算法的试验效果,采用适用于本文目标的中值滤波与混合高斯背景建模算法。通过背景建模等相关算法的处理之后,得到可以用于多目标跟踪的前景运动目标。我们首先提出了基于Lucas-Kanade稀疏光流的多目标跟踪算法,该算法将一般的单一目标的光流法跟踪拓展到多目标跟踪;实现了基于Cam-Shift的多目标跟踪算法;并在以上两种多目标跟踪算法的基础上提出了基于轮廓中心的多目标跟踪算法,该算法在保证跟踪成功率的同时,极大地提升了算法运算速度,该算法还能适应夜间光照不足的情况。最后,详细论述了智能交通流量监测系统的实现过程,并给出了多种环境下的实验结果。在不同交通状况和不同光照条件下,我们针对跟踪算法的执行速度与车辆数量统计的准确度做出详细的对比实验,实验结果证明在较好的实验条件下,本文提出的两种算法跟踪成功率较高且执行速度较快。而在光照不足或交通极其拥堵的情况下,跟踪算法的成功率都有所降低。本文通过实验结果发现,多目标跟踪失败的主要原因是传统背景建模的算法不能有效分离粘连在一起的多个运动目标,并在目标长时间停止时将目标认为是背景。所以,改善跟踪算法的性能并不能从根本上解决这些问题,我们将在以后的工作中尝试通过其他方式获取前景运动目标。
【关键词】：多目标跟踪 交通流量监测 Cam-Shift 光流法 OpenCV
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 绪论9-15
• 1.1 课题的研究背景和意义9-10
• 1.2 国内和国外发展现状10-14
• 1.3 论文的主要工作14
• 1.4 论文的组织结构14-15
• 第二章 背景建模与车辆跟踪综述15-36
• 2.1 视频预处理15-20
• 2.1.1 噪声处理15
• 2.1.2 线性滤波15-17
• 2.1.3 非线性滤波17-20
• 2.1.4 小结20
• 2.2 背景建模20-28
• 2.2.1 帧间差分法20-22
• 2.2.2 三帧差分法22-23
• 2.2.3 背景减除法23-26
• 2.2.4 混合高斯背景建模26-28
• 2.2.5 小结28
• 2.3 轮廓提取28-30
• 2.3.1 开运算与闭运算28-29
• 2.3.2 阴影去除29
• 2.3.3 轮廓提取29-30
• 2.4 夜间运动目标提取30-31
• 2.5 目标跟踪31-36
• 2.5.1 CamShift跟踪算法31-33
• 2.5.2 Lucas-Kanade光流法跟踪33-36
• 第三章 交通流量智能监测系统设计36-56
• 3.1 监测系统简介36
• 3.2 监测系统架构36-37
• 3.3 多目标跟踪算法37-41
• 3.3.1 基于Lucas-Kanade光流的多目标跟踪算法37-38
• 3.3.2 基于Cam-Shift的多目标跟踪算法38-39
• 3.3.3 基于轮廓中心的多目标跟踪算法39-41
• 3.4 系统开发相关技术架构41-43
• 3.4.1 OpenCV41-42
• 3.4.2 QT 5.142
• 3.4.3 开发平台搭建42-43
• 3.5 基于Qt 5.1 的系统实现43-55
• 3.5.1 系统界面实现44-46
• 3.5.2 多目标跟踪算法的实现46-52
• 3.5.3 多目标跟踪器的实现52-55
• 3.6 本章小结55-56
• 第四章 实验结果与分析56-65
• 4.1 实验结果与统计数据56-60
• 4.1.1 跟踪算法执行时间56-57
• 4.1.2 监测准确率统计57-60
• 4.2 实验分析60-64
• 4.2.1 光照充足、道路畅通60-61
• 4.2.2 光照充足、交通流量大61-62
• 4.2.3 光照不足、交通畅通62-63
• 4.2.4 光照充足、交通拥堵63
• 4.2.5 夜间63-64
• 4.3 实验结论64-65
• 第五章 总结65-67
• 5.1 本文主要工作65
• 5.2 未来工作展望65-67
• 参考文献67-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 顾伟康;计算机视觉学的发展概况[J];浙江大学学报;1986年04期

2 战德臣;陈景春;李仲荣;;计算机视觉研究的一种分布式专家系统模型[J];航天控制;1989年02期

3 邵贵平,刘谨,陈敏贤;基于计算机视觉的间距检测[J];机械制造;2001年11期

4 蔡叶菁;计算机视觉[J];中国包装工业;2002年05期

5 邵贵平,刘谨,陈敏贤;基于计算机视觉的间距检测[J];机械制造与自动化;2002年02期

6 姜继祥;周建华;陈明;;基于计算机视觉的干枣在线分级[J];机械制造与自动化;2012年03期

7 聂大同,毛士艺,赵淑华,渠速;计算机视觉与神经网络[J];北京航空航天大学学报;1990年01期

8 林华,敬卿;计算机视觉[J];国防科技参考;1995年04期

9 王天珍;计算机视觉研究进展[J];武汉汽车工业大学学报;1998年01期

10 王天珍;计算机视觉研究[J];空军雷达学院学报;1999年01期

中国重要会议论文全文数据库 前10条

1 宋小华;欧阳丹彤;;时空推理在计算机视觉的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

2 谢丽欣;牟会;王欢;刘明霞;;基于计算机视觉的人脸检测与识别综述[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年

3 陈强;孙振国;;计算机视觉在焊接中的应用[A];第十次全国焊接会议论文集（第1册）[C];2001年

4 田涌涛;洪锡军;王有庆;李从心;;计算机视觉在先进制造技术中的应用[A];面向制造业的自动化与信息化技术创新设计的基础技术——2001年中国机械工程学会年会暨第九届全国特种加工学术年会论文集[C];2001年

5 刘敏娟;洪添胜;李震;吴伟斌;刘志壮;;基于计算机视觉的荔枝检测与分级方法[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

6 孙洁琼;孙明;;基于计算机视觉的水果外观品质检测分级研究现状[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年

7 王划一;王效良;;计算机视觉在绗缝机自动编程及控制中的应用[A];第二十届中国控制会议论文集（下）[C];2001年

8 周红;刘光蓉;;计算机视觉及其在谷物籽粒检测分级中的应用[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 吴彦红;刘木华;杨君;郑华东;;大米外观品质的计算机视觉在线检测技术研究[A];农业机械化与新农村建设——中国农业机械学会2006年学术年会论文集（下册）[C];2006年

10 张庆敏;于龙;;计算机视觉在接触网定位器坡度识别中的应用[A];高速铁路接触网零部件安全可靠性技术论文集[C];2013年

中国重要报纸全文数据库 前9条

1 记者 李大庆;我在国际计算机视觉算法竞赛中摘金[N];科技日报;2011年

2 滕继濮;不放过一个“坏蛋”[N];粮油市场报;2011年

3 ;生活中的计算机视觉[N];中国计算机报;2006年

4 王悦承;逾30篇中国论文入选ICCV[N];中国计算机报;2005年

5 本报记者 滕继濮;无损检测技术：不放过一个“坏蛋”[N];科技日报;2011年

6 本报记者 薛娟;未来搜索：没有搜索的搜索[N];中国经济时报;2010年

7 记者 杨杰 实习记者 李乐;农机领域喜获四项大奖[N];中国农机化导报;2009年

8 张明平　记者 赵凤华;苹果的气味“看”出来[N];科技日报;2009年

9 记者 常丽君;新软件能“预测”你各年龄段长相[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 王强;基于几何代数的计算机视觉问题研究[D];国防科学技术大学;2013年

2 王任大;基于计算机视觉的手势交互技术及其在航海中的应用[D];大连海事大学;2014年

3 贺文骅;基于计算机视觉的复杂场景下目标跟踪研究[D];西安电子科技大学;2015年

4 潘磊庆;基于计算机视觉和声学技术融合检测鸡蛋品质的研究[D];南京农业大学;2007年

5 孔明;颗粒粒径和形态计算机视觉测量方法研究[D];东南大学;2005年

6 刘钊;基于计算智能的计算机视觉及其应用研究[D];武汉科技大学;2011年

7 李庆中;苹果自动分级中计算机视觉信息快速获取与处理技术的研究[D];中国农业大学;2000年

8 谢存;计算机视觉中若干问题实现技术和算法的研究[D];大连理工大学;2002年

9 赵书涛;基于计算机视觉的直读仪表校验方法研究[D];华北电力大学（河北）;2006年

10 柴阿丽;基于计算机视觉和光谱分析技术的蔬菜叶部病害诊断研究[D];中国农业科学院;2011年

中国硕士学位论文全文数据库 前10条

1 王福香;基于计算机视觉的马铃薯外部缺陷检测方法研究[D];内蒙古农业大学;2015年

2 余饶东;基于脑波与计算机视觉的注意力检测技术在E-Learning中的应用研究[D];昆明理工大学;2015年

3 李想;基于计算机视觉的花卉分级系统研究[D];天津理工大学;2015年

4 吴林林;基于计算机视觉的皮革测配色研究[D];陕西科技大学;2015年

5 龙怡霖;基于计算机视觉的杂草种子鉴别[D];西北农林科技大学;2015年

6 谢艳鹏;面向细胞行为辨识的计算机视觉研究与应用[D];沈阳理工大学;2015年

7 丁侨俊;基于计算机视觉的智能停车场引导系统研究[D];福建师范大学;2015年

8 王鹏博;多态并行机上的OpenVX系统实现[D];西安邮电大学;2015年

9 周志强;基于计算机视觉的指针式电表校验的关键技术研究[D];南昌大学;2015年

10 陈玉洁;基于计算机视觉的外膜厚度测量方法的研究[D];南昌航空大学;2015年

，

本文编号：656020