本文關(guān)鍵詞：智能交通系統(tǒng)中基于機(jī)器視覺(jué)的交通流量統(tǒng)計(jì)研究

  更多相關(guān)文章： 目標(biāo)識(shí)別 深度學(xué)習(xí) 背景提取 目標(biāo)跟蹤

【摘要】：建立高效完備的智能交通系統(tǒng),以及運(yùn)營(yíng)商和交通監(jiān)管部門(mén)的有效配合和良性互動(dòng),才有可能疏緩日益嚴(yán)重的城市交通流量。隨著城市汽車(chē)數(shù)量的快速增加,交通堵塞已經(jīng)成了城市交通領(lǐng)域的難題。特別是近幾年,由于城市規(guī)劃考慮不夠長(zhǎng)遠(yuǎn),忽略城市基礎(chǔ)設(shè)施建設(shè)的重要性,道路交通管理技術(shù)落后,導(dǎo)致道路擁堵現(xiàn)象和交通事故頻發(fā),使得道路交通擁堵成為中國(guó)大中型城市最難解決的問(wèn)題之一。道路擁擠、交通阻塞、乘車(chē)難、行車(chē)難、行路難等問(wèn)題影響著人們的出行和城市的發(fā)展。如何實(shí)現(xiàn)高效的交通調(diào)度、引導(dǎo)規(guī)范的交通行為、減少頻發(fā)的交通事故已經(jīng)刻不容緩,是我們急切需要解決的問(wèn)題。交通流量統(tǒng)計(jì)對(duì)于交通管理的決策起著重要的作用。視頻監(jiān)控系統(tǒng)作為智能交通系統(tǒng)的一個(gè)子系統(tǒng),在智能交通管理中發(fā)揮著重要的作用�；跈C(jī)器視覺(jué)的交通流量統(tǒng)計(jì)是智能交通系統(tǒng)中一個(gè)極其重要的組成部分,它通過(guò)使用計(jì)算機(jī)對(duì)監(jiān)控?cái)z像頭拍攝到的畫(huà)面進(jìn)行處理,畫(huà)面中通常含有豐富的車(chē)輛信息,對(duì)車(chē)輛信息加以統(tǒng)計(jì),可獲得該時(shí)間段內(nèi)的交通流量,為實(shí)現(xiàn)道路科學(xué)分配提供參考依據(jù),從而減少交通事故和擁塞情況的發(fā)生,方便人們的出行。本文提出了一種基于目標(biāo)區(qū)域的交通流量統(tǒng)計(jì)方法。該方法具有很多優(yōu)點(diǎn)。第一,采用人工畫(huà)線(xiàn),可以更加合適、準(zhǔn)確地得到目標(biāo)區(qū)域。第二,受待處理的視頻幀的尺寸大小影響較小。我們只是獲取視頻中每一幀的某一塊子區(qū)域進(jìn)行處理,且獲取該子區(qū)域的大小具有較強(qiáng)的靈活性,不是對(duì)整個(gè)視頻幀進(jìn)行處理,因此,對(duì)待處理視頻的尺寸大小影響較小。第三,加快了系統(tǒng)的運(yùn)行速度,更具實(shí)時(shí)性。由于我們處理的是視頻中每一幀的一塊子區(qū)域,這不管是對(duì)使用基于特征的精確目標(biāo)識(shí)別技術(shù),還是對(duì)使用基于背景建模的模糊目標(biāo)識(shí)別技術(shù),相對(duì)于對(duì)完整視頻中每一幀進(jìn)行處理,都加快了目標(biāo)識(shí)別的速度。第四,簡(jiǎn)化了跟蹤過(guò)程。一般的跟蹤過(guò)程都需要長(zhǎng)時(shí)間的進(jìn)行,加上跟蹤算法自身的用時(shí),使得跟蹤過(guò)程比較耗時(shí),基于目標(biāo)區(qū)域的交通流量統(tǒng)計(jì)方法只需要對(duì)特定情況下連續(xù)的兩幀進(jìn)行目標(biāo)關(guān)聯(lián),既降低了跟蹤過(guò)程的用時(shí)和出錯(cuò)風(fēng)險(xiǎn),提高了系統(tǒng)速度,又簡(jiǎn)化了跟蹤過(guò)程,使得跟蹤算法的選擇上更具靈活性�；谀繕�(biāo)區(qū)域的交通流量統(tǒng)計(jì),比較重要的有以下幾點(diǎn):目標(biāo)子區(qū)域的獲取、基于混合背景建模的目標(biāo)識(shí)別技術(shù)、計(jì)數(shù)以及簡(jiǎn)化的跟蹤過(guò)程。實(shí)驗(yàn)結(jié)果表明,在非擁堵情況下,基于目標(biāo)區(qū)域的交通流量統(tǒng)計(jì)方法具有較高的實(shí)時(shí)性和較高的準(zhǔn)確率。
【關(guān)鍵詞】：目標(biāo)識(shí)別 深度學(xué)習(xí) 背景提取 目標(biāo)跟蹤
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U495;TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 研究工作的背景與意義10-11
• 1.2 基于機(jī)器視覺(jué)的交通流量統(tǒng)計(jì)方法的國(guó)內(nèi)外研究歷史與現(xiàn)狀11-13
• 1.3 本文的主要貢獻(xiàn)與創(chuàng)新13-14
• 1.4 本論文的結(jié)構(gòu)安排14-15
• 第二章 交通流量統(tǒng)計(jì)中的目標(biāo)識(shí)別方法15-33
• 2.1 基于特征提取的精確目標(biāo)識(shí)別15-25
• 2.1.1 基于手工特征提取的目標(biāo)識(shí)別15-22
• 2.1.1.1 基于Haar特征的目標(biāo)識(shí)別15-20
• 2.1.1.2 基于LBP特征的目標(biāo)識(shí)別20-22
• 2.1.2 基于自動(dòng)特征提取的精確目標(biāo)識(shí)別22-25
• 2.1.2.1 卷積23
• 2.1.2.2 卷積神經(jīng)網(wǎng)絡(luò)23-25
• 2.2 基于背景建模的模糊目標(biāo)識(shí)別25-31
• 2.2.1 基本方法26
• 2.2.2 統(tǒng)計(jì)方法26-27
• 2.2.3 基于人工神經(jīng)網(wǎng)絡(luò)的方法27-30
• 2.2.4 非參數(shù)估計(jì)方法30-31
• 2.3 本章小結(jié)31-33
• 第三章 基于目標(biāo)區(qū)域的交通流量統(tǒng)計(jì)方法33-53
• 3.1 目標(biāo)區(qū)域的計(jì)算35-41
• 3.1.1 繪制虛擬線(xiàn)框36-38
• 3.1.2 獲得目標(biāo)區(qū)域38-41
• 3.2 基于混合背景建模的目標(biāo)識(shí)別41-43
• 3.3 計(jì)數(shù)及跟蹤43-51
• 3.4 本章小結(jié)51-53
• 第四章 實(shí)驗(yàn)結(jié)果與分析53-71
• 4.1 數(shù)據(jù)集53-54
• 4.2 評(píng)價(jià)指標(biāo)54-55
• 4.3 實(shí)驗(yàn)結(jié)果55-70
• 4.3.1 目標(biāo)識(shí)別實(shí)驗(yàn)結(jié)果56-67
• 4.3.2 識(shí)別及計(jì)數(shù)的評(píng)價(jià)67-70
• 4.4 本章小結(jié)70-71
• 第五章 全文總結(jié)與展望71-74
• 5.1 全文總結(jié)71-72
• 5.2 后續(xù)工作展望72-74
• 致謝74-75
• 參考文獻(xiàn)75-80
• 攻讀碩士學(xué)位期間取得的成果80-81

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王賓 ,溫秉權(quán) ,黃勇;面向21世紀(jì)的智能交通系統(tǒng)[J];汽車(chē)運(yùn)用;2000年07期

2 陳小雁;何為智能交通系統(tǒng)[J];交通與運(yùn)輸;2000年06期

3 朱東輝;智能交通系統(tǒng)發(fā)展展望[J];交通標(biāo)準(zhǔn)化;2001年04期

4 ;智能交通系統(tǒng):解決的不僅僅是交通問(wèn)題[J];勞動(dòng)安全與健康;2001年03期

5 鐘鳴;2000年日本智能交通系統(tǒng)新進(jìn)展[J];全球科技經(jīng)濟(jì)w，

本文編號(hào)：1123920