本文關(guān)鍵詞： 車流量檢測 夜間交通監(jiān)控 運動信息 車燈偵測配對 高檢測率　出處：《西北師范大學》2015年碩士論文　論文類型：學位論文

【摘要】：車輛檢測是智能交通系統(tǒng)(intelligent transportation system,ITS)的重要組成部分,因此基于視頻的車輛檢測器成為智能交通系統(tǒng)的研究熱點并得到越來越廣泛的應用。視頻車輛檢測系統(tǒng)能很好的獲取交通參數(shù),且安裝和檢修便利,具有事故偵測和視頻監(jiān)控等優(yōu)點。白天視頻檢測技術(shù)已經(jīng)有大量學者做了很多工作,且檢測技術(shù)已經(jīng)發(fā)展成熟,能滿足城市智能交通系統(tǒng)的需要,然而夜間照明度低和光線反射是視頻車輛檢測器實現(xiàn)全天候工作的最大難題。傳統(tǒng)的夜間車輛檢測主要從兩個方面來克服夜間光線不足,各種光線干擾的影響:一是檢測夜間車輛最明顯的特征——車尾燈,該方法的魯棒性不強,易受后面車輛車燈照射和車身邊界反光的影響,交通信息的提取有限,對攝像頭的裝置角度和鏡頭區(qū)域有要求,且晝夜模式之間的轉(zhuǎn)換是個難題;二是從攝像機本身出發(fā),選擇高性能具有紅外捕捉功能的攝像機或是提高偵測區(qū)域照明條件獲得車輛信息,該方法加大了系統(tǒng)開銷,且系統(tǒng)的安裝和維護難度加大。車輛本身在夜間視頻圖像中可識別信息量少,光照強度變化大,再加上路面各種光源的反射干擾,使得車型不易判斷,導致運動目標提取困難,誤檢率也較高。為了更好地解決上述難題,本文提出一種包含幀間差和背景差結(jié)合背景更新的車燈配對跟蹤的夜間車輛檢測方法。首先,采用前述算法獲取高亮度車燈區(qū)域,以消除夜晚光照強度急劇變化造成的光暈。其次利用車燈亮度、顏色、形狀、位置、紋理等運動信息找出可能為車燈的亮點,然后再判斷屬于同一車的可能性,并進行車燈配對,最后設(shè)置虛擬檢測線,針對路面上碰觸虛擬檢測線的一對亮點進行計數(shù)。實驗結(jié)果表明:該算法簡潔,幀處理速度快,具有較高的實時性、魯棒性,即使在復雜天氣(雨天,雪天,霧霾)和交通堵塞情況下,也有較高的檢測率。本方法在夜間車輛檢測的平均準確率在96%以上,能夠滿足城市道路及高速公路的實時檢測需求。
[Abstract]:Vehicle detection is an important part of intelligent transportation system. Therefore, the vehicle detector based on video has become the research hotspot of the intelligent transportation system and has been more and more widely used. The video vehicle detection system can obtain the traffic parameters well, and the installation and maintenance are convenient. Many scholars have done a lot of work in the daytime video detection technology, and the detection technology has been developed to meet the needs of the urban intelligent transportation system. However, low night illumination and light reflection are the most difficult problems for video vehicle detectors to achieve all-weather operation. Traditional night vehicle detection mainly overcomes the lack of light at night from two aspects. The first is the detection of the most obvious feature of the vehicle at night, that is, the vehicle taillights. This method is not robust enough, and is vulnerable to the influence of the rear vehicle lights and the reflection of the body boundary, so the extraction of traffic information is limited. There are requirements for the camera's device angle and lens area, and the conversion between day and night modes is a problem; second, starting from the camera itself, Choosing a camera with high performance and infrared capture function or improving the illumination condition of detecting area to obtain vehicle information, this method increases the cost of the system. It is difficult to install and maintain the system. The vehicle itself has less identifiable information in the video images at night, the light intensity changes greatly, and the reflection interference of all kinds of light sources on the road makes it difficult to judge the vehicle, which leads to the difficulty of extracting moving targets. In order to solve the above problem better, this paper proposes a new method of vehicle detection, which includes inter-frame difference and background difference, combined with background updating. Firstly, the algorithm is used to obtain the region of high-brightness vehicle lamp. In order to eliminate the halo caused by the sharp change of light intensity at night. Secondly, using the light intensity, color, shape, position, texture and other moving information to find out the possible bright spot of the lamp, and then determine the possibility of belonging to the same car. Finally, the virtual detection line is set up, and a pair of bright spots of the virtual detection line are counted. The experimental results show that the algorithm is simple, the frame processing speed is fast, the real-time performance is high, and the robustness is high. Even in complicated weather (rainy, snowy, haze) and traffic jam, there is a high detection rate. The average accuracy of this method in night vehicle detection is more than 96%, which can meet the needs of real-time detection of urban roads and highways.
【學位授予單位】：西北師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：U495

【相似文獻】

相關(guān)期刊論文 前10條

1 張文溥;;視頻車輛檢測技術(shù)及發(fā)展趨勢[J];中國人民公安大學學報(自然科學版);2010年01期

2 劉珠妹;劉亞嵐;譚衢霖;任玉環(huán);;高分辨率衛(wèi)星影像車輛檢測研究進展[J];遙感技術(shù)與應用;2012年01期

3 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[J];中南大學學報(自然科學版);2013年S2期

4 湯灝;張峰;;車輛檢測技術(shù)的選用[J];中國交通信息產(chǎn)業(yè);2004年03期

5 文學志;趙宏;王楠;袁淮;;基于知識和外觀方法相結(jié)合的后方車輛檢測[J];東北大學學報(自然科學版);2007年03期

6 劉振華;黃磊;劉昌平;;一種基于視頻圖像處理的車輛違章檢測算法[J];公路交通科技;2012年02期

7 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[J];合肥工業(yè)大學學報(自然科學版);2012年03期

8 魏凱;盛建平;熊凱;;基于陰影特征的前向車輛檢測和測距方法研究[J];機械設(shè)計與制造;2013年02期

9 郭磊;李克強;王建強;連小珉;;一種基于特征的車輛檢測方法[J];汽車工程;2006年11期

10 李光才;;一種改進的背景重建與更新方法[J];中國水運(下半月);2008年05期

相關(guān)會議論文 前10條

1 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[A];2013年中國智能自動化學術(shù)會議論文集（第五分冊）[C];2013年

2 聞育;潘霓;;基于磁偏角的車輛檢測的研究[A];第二十七屆中國控制會議論文集[C];2008年

3 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[A];全國第22屆計算機技術(shù)與應用學術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應用（SCA·2011）學術(shù)會議論文摘要集[C];2011年

4 楊淼;;基于卡爾曼濾波的電子警察系統(tǒng)車輛檢測算法[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

5 蔣大林;馬軍強;;基于視頻的車輛檢測與跟蹤方法綜述[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

6 鄒月嫻;王一言;關(guān)佩;楊華;陳維榮;;復雜視頻背景中的運動車輛檢測技術(shù)[A];第四屆和諧人機環(huán)境聯(lián)合學術(shù)會議論文集[C];2008年

7 李舜酩;繆小冬;;視覺車輛檢測方法的研究進展及展望[A];2009全國虛擬儀器大會論文集（二）[C];2009年

8 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車載行人車輛檢測系統(tǒng)[A];浙江省電子學會2013學術(shù)年會論文集[C];2013年

9 孫明;孫紅;;智能交通系統(tǒng)中車輛的圖像檢測方法研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學會學術(shù)年會論文集第三分冊[C];2005年

10 吳嶸;何培宇;徐自勵;段文鋒;劉珂含;;一種去背景的車輛檢測與跟蹤快速算法[A];第十三屆全國信號處理學術(shù)年會（CCSP-2007）論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 記者 何雪峰;宿州簡政放權(quán)助推縣域經(jīng)濟[N];安徽日報;2009年

2 記者 賈瑞芳;檢車進企業(yè) 溫暖送到家[N];河北經(jīng)濟日報;2009年

3 鄭利平;湖州車輛檢測科研項目通過鑒定[N];中國交通報;2004年

4 張廣明;運用高新技術(shù)審驗運輸車輛[N];巴彥淖爾日報(漢);2007年

5 張奇 李小潔;車輛檢測，為何招來怨聲一片[N];檢察日報;2002年

6 本報記者 侯莎莎;車輛年檢強制免費換牌釘[N];北京日報;2012年

7 奚榮武　顧剛;昆山：1100萬元加強卡口監(jiān)控[N];人民公安報;2009年

8 見習記者 黃鵬飛;檢測要細之又細，，事故要堅決壓降[N];法治快報;2006年

9 記者 楊耀青;車輛檢測更加公正透明[N];西安日報;2011年

10 張貴峰;車檢改革應將交通部門納入其中[N];法制日報;2014年

相關(guān)博士學位論文 前8條

1 李博;基于層次性與或圖模型的車輛檢測與解析[D];北京理工大學;2015年

2 劉培勛;車輛主動安全中關(guān)于車輛檢測與跟蹤算法的若干研究[D];吉林大學;2015年

3 張偉;基于視覺的運動車輛檢測與跟蹤[D];上海交通大學;2007年

4 徐琨;交通視頻監(jiān)控中的車輛檢測與跟蹤方法研究[D];長安大學;2009年

5 王曾敏;小波圖像融合算法及其在視頻車輛檢測系統(tǒng)中的應用研究[D];天津大學;2009年

6 許潔瓊;基于視頻圖像處理的車輛檢測與跟蹤方法研究[D];中國海洋大學;2012年

7 嚴捷豐;交通視頻監(jiān)控中的車輛檢測與分割方法研究[D];中國科學技術(shù)大學;2008年

8 李衛(wèi)江;基于線陣CCD成像交通信息采集和檢測技術(shù)的研究[D];長安大學;2008年

相關(guān)碩士學位論文 前10條

1 何志強;基于地磁的無線車輛檢測系統(tǒng)研究[D];華南理工大學;2015年

2 王齊;車輛檢測與樣本采集系統(tǒng)的研究與設(shè)計[D];延邊大學;2015年

3 馬蓓蓓;基于HOG特征的車輛檢測技術(shù)研究[D];華南理工大學;2015年

4 張雙;基于嵌入式技術(shù)的物流跟蹤及車輛檢測系統(tǒng)設(shè)計[D];昆明理工大學;2015年

5 郭敏;基于高速公路大貨車違法占道監(jiān)測系統(tǒng)的車輛檢測與跟蹤研究[D];西南交通大學;2015年

6 馮樂;基于AMR傳感器的車輛信息采集系統(tǒng)[D];天津理工大學;2015年

7 張驍;基于3D空間多部件模型的車輛檢測方法研究[D];長安大學;2015年

8 趙倩倩;基于目標特征點跟蹤與聚類的車輛檢測算法研究[D];長安大學;2015年

9 田蘇慧敏;基于視頻圖像處理的車輛檢測與車流量統(tǒng)計平臺的設(shè)計實現(xiàn)[D];寧夏大學;2015年

10 王成坤;混合交通流兩輪車輛的視頻檢測研究[D];江西理工大學;2014年

本文編號：1495497