本文選題：監(jiān)控圖像 + 隧道��； 參考：《大連海事大學(xué)》2017年碩士論文

【摘要】：隨著我國高速公路的快速發(fā)展,高速公路隧道數(shù)量和里程也在迅速增加,與之伴隨而來的是高速公路隧道照明中存在著巨大的電能浪費現(xiàn)象,尤其是在一些車流量較小的隧道,照明燈具常亮造成了巨大的能源損失。為了解決這種現(xiàn)象,本課題組設(shè)計一種"車進燈亮,車走燈暗"的隧道節(jié)能控制系統(tǒng)。該系統(tǒng)主要由環(huán)境信息感知子系統(tǒng)、車輛行為感知子系統(tǒng)、照度實時監(jiān)測子系統(tǒng)、隧道照明及調(diào)光子系統(tǒng)、隧道照明通信子系統(tǒng)、服務(wù)器隧道照明監(jiān)控軟件組成。其中車輛行為感知子系統(tǒng)由以下兩部分組成:放置在隧道前一段距離處的紅外傳感器和地感線圈,負責(zé)檢測是否有車輛駛進隧道,若有車駛進,此時調(diào)亮隧道燈光;安裝在隧道內(nèi)墻壁上可以覆蓋整個隧道區(qū)域的監(jiān)控攝像機,負責(zé)采集隧道內(nèi)部各段區(qū)域的監(jiān)控圖像,通過處理隧道內(nèi)每個攝像機獲取的監(jiān)控圖像判斷隧道內(nèi)是否有車輛經(jīng)過,若判斷隧道內(nèi)無車,且隧道外部也沒有新的車輛即將駛進隧道時,則調(diào)暗整個隧道。如果隧道內(nèi)車輛不能被準確檢測,則會影響到隧道內(nèi)的行車安全,所以對于隧道內(nèi)車輛有無的及時準確的檢測具有重要意義。基于這種目的,本文采取了一種基于監(jiān)控圖像的隧道內(nèi)車輛有無檢測方法:首先利用中值法得到不同調(diào)光等級下的隧道背景圖像,將其保存在服務(wù)器中;監(jiān)控攝像機獲得隧道內(nèi)部各段區(qū)域的實時圖像,截取圖像中路面部分作為感興趣區(qū)域,將其與無車背景圖像中相應(yīng)的感興趣區(qū)域進行差分運算;對差分后的圖像進行基于邊緣檢測的二值化處理,目的是提取目標輪廓信息,去除目標以外的雜點;再對二值化圖像進行分塊處理,統(tǒng)計特定塊區(qū)域內(nèi)非零點的個數(shù);最終通過非零點閾值來判斷隧道內(nèi)車輛的有無;閾值的獲得來源于在吉林省通化市快大茂鎮(zhèn)"赤柏隧道"大量實驗統(tǒng)計結(jié)果的經(jīng)驗值;每當(dāng)隧道內(nèi)照明亮度發(fā)生變化時,重新獲取該亮度下的背景圖像存入數(shù)據(jù)庫。該車輛檢測方法在赤柏隧道實驗超過半年以上,實際測試及使用結(jié)果表明:該方法實現(xiàn)簡單,且當(dāng)隧道有車時,檢測為無車的漏檢率為0,當(dāng)隧道無車時,檢測為有車的誤檢率小于5%。保證赤柏隧道實驗階段在達到隧道照明規(guī)范的情況下,取得了良好的節(jié)能效果。
[Abstract]:With the rapid development of expressway in our country, the number and mileage of expressway tunnels are increasing rapidly, which is accompanied by the huge waste of electric energy in the lighting of highway tunnels, especially in some tunnels with small traffic flow. Lighting lights often cause a huge loss of energy. In order to solve this problem, a tunnel energy saving control system is designed. The system consists of environmental information perception subsystem, vehicle behavior perception subsystem, illumination real-time monitoring subsystem, tunnel lighting and dimming subsystem, tunnel lighting communication subsystem, server tunnel lighting monitoring software. The vehicle behavior sensing subsystem consists of the following two parts: infrared sensor and ground sensing coil placed in front of the tunnel are responsible for detecting whether any vehicle is driving into the tunnel. If there is a vehicle coming in, the tunnel lights are turned on at this time; A surveillance camera installed on the wall of the tunnel that can cover the entire tunnel area, is responsible for collecting the monitoring images of each section of the tunnel, and judging whether there are vehicles passing through the tunnel by processing the monitoring images obtained by each camera in the tunnel. If it is judged that there is no vehicle in the tunnel and there is no new vehicle coming into the tunnel, the whole tunnel will be darkened. If the vehicle in the tunnel can not be detected accurately, it will affect the traffic safety in the tunnel, so it is of great significance for the timely and accurate detection of the vehicle in the tunnel. For this purpose, this paper adopts a method to detect whether there is a vehicle in the tunnel based on the monitoring image. Firstly, the median method is used to obtain the tunnel background image with different dimming levels, which is stored in the server. The real-time image of each region in the tunnel is obtained by the surveillance camera, and the road surface part of the image is taken as the region of interest, and the difference operation is carried out with the corresponding region of interest in the background image without vehicle. In order to extract the contour information of the target and remove the clutter points outside the target, the binary image is processed in blocks to count the number of non-zero points in the specific block area. Finally, the non-zero threshold is used to determine whether there is a vehicle in the tunnel. The threshold is obtained from the experience of a large number of experimental statistical results of the "Chipao Tunnel" in Quidomao Town, Tonghua City, Jilin Province. Whenever the lighting brightness changes in the tunnel, Re-retrieve the background image under this brightness and store it in the database. The vehicle detection method has been tested in Chipao Tunnel for more than half a year. The practical test and application results show that the method is simple, and when there is a vehicle in the tunnel, the rate of missing detection is zero, and when there is no vehicle in the tunnel, the detection rate is zero. The false detection rate of the vehicle detected was less than 5%. In the experiment stage of Chipao tunnel, good energy-saving effect is achieved under the condition of tunnel lighting specification.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U495;TP391.41

【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(xué)學(xué)報(自然科學(xué)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(yīng)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(xué)學(xué)報(自然科學(xué)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(xué)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(xué)學(xué)報(自然科學(xué)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(xué)學(xué)報(自然科學(xué)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(xué)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(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)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(yīng)用學(xué)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(xué)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(fù)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(xué)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(xué)會2013學(xué)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(xué)會學(xué)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(xué)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(xí)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(yīng)將交通部門納入其中[N];法制日報;2014年

相關(guān)博士學(xué)位論文 前8條

1 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(xué);2015年

2 張偉;基于視覺的運動車輛檢測與跟蹤[D];上海交通大學(xué);2007年

3 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(xué);2009年

4 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(xué);2015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(yīng)用研究[D];天津大學(xué);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(xué);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(xué)技術(shù)大學(xué);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(xué);2008年

相關(guān)碩士學(xué)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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);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(xué);2014年

本文編號：2076803