【摘要】：車輛檢測(cè)和車流統(tǒng)計(jì)是智能交通系統(tǒng)（Intelligent Transportation System，ITS）中最重要的研究?jī)?nèi)容之一。在研究分析了現(xiàn)有的車輛檢測(cè)技術(shù)基礎(chǔ)上，本文研究了數(shù)字圖像運(yùn)動(dòng)目標(biāo)檢測(cè)以及基于視頻的車輛檢測(cè)的相關(guān)算法，并設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于視頻的車輛檢測(cè)系統(tǒng)。在本文中，針對(duì)目前采用單一方法進(jìn)行車流檢測(cè)的缺陷與不足，提出了自動(dòng)判斷道路擁堵?tīng)顟B(tài)的算法，以及適合于不同擁堵?tīng)顟B(tài)下的基于檢測(cè)線與基于虛擬線圈的車流檢測(cè)算法，大大提高了系統(tǒng)的檢測(cè)準(zhǔn)確率。本文的研究還涉及到了運(yùn)動(dòng)車輛檢測(cè)、車輛陰影去除、夜晚車燈去除、擁堵檢測(cè)和不同檢測(cè)方式之間的切換等。主要研究?jī)?nèi)容如下： （1）關(guān)于運(yùn)動(dòng)車輛檢測(cè)的研究 在分析了多種車輛檢測(cè)算法之后，本文采用了基于背景差分的車輛檢測(cè)方法。為了滿足實(shí)時(shí)性的需要，本文提出了一種基于采樣點(diǎn)多幀累計(jì)幀差的分區(qū)塊的自動(dòng)背景更新方法，相比傳統(tǒng)的方法，此方法計(jì)算量小，大大提高了計(jì)算速度與背景更新速率，保障了系統(tǒng)的實(shí)時(shí)性。 （2）關(guān)于夜晚車燈去除的研究 在夜晚，車燈燈光會(huì)在運(yùn)動(dòng)車輛的前方路面照射出高亮度的光斑，如果不加以去除會(huì)對(duì)車輛檢測(cè)識(shí)別造成極大的干擾，本文在實(shí)驗(yàn)的基礎(chǔ)上，，提出了一種基于梯度差異的燈光濾除算法，取得了良好的效果。 （3）關(guān)于擁堵檢測(cè)和計(jì)數(shù)方式切換的研究 本文共提出了兩種車輛檢測(cè)、計(jì)數(shù)的方法，分別適用于擁堵的交通狀況和非擁堵的交通狀況，這樣不管交通狀況如何，均能取得良好的效果。非擁堵?tīng)顩r下，本文采用背景差分檢測(cè)出車輛目標(biāo)，采用基于檢測(cè)線的方式進(jìn)行車流計(jì)數(shù)，即使車輛出現(xiàn)變道的情況也不發(fā)生檢測(cè)計(jì)數(shù)錯(cuò)誤，且背景的實(shí)時(shí)更新使得運(yùn)動(dòng)目標(biāo)分割更加準(zhǔn)確。在擁堵?tīng)顩r下，停止背景更新而采用備用背景，避免了擁堵?tīng)顩r下前景融合到背景中去，繼而采用基于虛擬線圈的計(jì)數(shù)方式進(jìn)行檢測(cè)、計(jì)數(shù)，避免了基于檢測(cè)線的檢測(cè)方式在交通擁堵時(shí)由于運(yùn)動(dòng)目標(biāo)黏連而導(dǎo)致的錯(cuò)誤分割。根據(jù)檢測(cè)計(jì)數(shù)方式的不同，本文相應(yīng)解決了如何在兩種檢測(cè)計(jì)數(shù)方式間實(shí)現(xiàn)自動(dòng)切換的問(wèn)題。為了保證系統(tǒng)的準(zhǔn)確運(yùn)行，如何準(zhǔn)確實(shí)時(shí)地檢測(cè)交通狀況是否擁堵是極其必要的，本文提出了一種基于多幀幀差均值變化的擁堵檢測(cè)方法。 在上述運(yùn)動(dòng)目標(biāo)檢測(cè)的理論研究基礎(chǔ)上，本文設(shè)計(jì)并實(shí)現(xiàn)了視頻車輛檢測(cè)及車流計(jì)數(shù)系統(tǒng)。通過(guò)在重要路口架設(shè)攝像頭，運(yùn)用圖像處理技術(shù)進(jìn)行運(yùn)動(dòng)車輛目標(biāo)的檢測(cè)。該系統(tǒng)作為武漢市智能交通系統(tǒng)的重要組成部分，車輛檢測(cè)計(jì)數(shù)準(zhǔn)確率達(dá)到99%以上，能以自動(dòng)化的方式檢測(cè)主要路口橋梁的車流量以及擁堵?tīng)顩r，實(shí)現(xiàn)了交通的智能管理，提高武漢市交通系統(tǒng)的效率。
[Abstract]:Vehicle detection and traffic statistics is one of the most important research contents in Intelligent Transportation system (Intelligent Transportation System,ITS). Based on the research and analysis of the existing vehicle detection technology, this paper studies the digital image moving target detection and the video based vehicle detection algorithm, and designs and implements a video-based vehicle detection system. In this paper, an algorithm to automatically judge the traffic congestion state is proposed to solve the defects and shortcomings of the single method used to detect the traffic flow. The detection accuracy of the system is greatly improved, and the detection algorithm based on detection line and virtual coil is suitable for different congested conditions. The research in this paper also involves moving vehicle detection, vehicle shadow removal, night lights removal, congestion detection and switching between different detection methods. The main research contents are as follows: (1) after analyzing various vehicle detection algorithms, this paper adopts the vehicle detection method based on background difference. In order to meet the need of real-time, this paper presents an automatic background updating method based on multi-frame accumulative frame difference of sampling points. Compared with the traditional method, this method has less computation, and greatly improves the speed of calculation and the rate of background updating. (2) Research on the removal of vehicle lights at night. At night, the lights of the vehicle will shine bright spots on the road surface in front of the moving vehicle. If it is not removed, it will cause great interference to vehicle detection and recognition. On the basis of experiments, a light filtering algorithm based on gradient difference is proposed in this paper. (3) the research on congestion detection and counting mode switching. In this paper, two methods of vehicle detection and counting are proposed, which are suitable for congested traffic conditions and non-congested traffic conditions, respectively. In this way, regardless of the traffic conditions, can achieve good results. In the condition of non-congestion, the background differential detection method is used to detect the vehicle target, and the traffic flow count is carried out based on the detection line. Even if the vehicle changes the track, there is no detection error. And the real-time updating of background makes moving object segmentation more accurate. In the congested condition, the background update is stopped and the backup background is adopted, which avoids the foreground fusion into the background in the congested condition, and then uses the counting method based on virtual coil to detect and count. The detection method based on detection line can avoid the wrong segmentation caused by the adhesion of moving objects in traffic jam. According to the different ways of detecting and counting, this paper solves the problem of how to realize automatic switching between two kinds of detection and counting methods. In order to ensure the accurate operation of the system, it is extremely necessary to detect traffic congestion accurately and in real time. In this paper, a congestion detection method based on the change of the mean value of frame difference is proposed. Based on the theoretical research of moving target detection, a video vehicle detection and vehicle flow counting system is designed and implemented in this paper. By setting up cameras at important junctions and using image processing technology to detect moving vehicle targets. As an important part of Wuhan Intelligent Transportation system, the accuracy of vehicle count is over 99%. The system can automatically detect the traffic flow and congestion of the bridge at major junctions, and realize the intelligent traffic management. Improve the efficiency of Wuhan traffic system.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文溥;;視頻車輛檢測(cè)技術(shù)及發(fā)展趨勢(shì)[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(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(cè)研究進(jìn)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(cè)與跟蹤研究進(jìn)展[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

4 湯灝;張峰;;車輛檢測(cè)技術(shù)的選用[J];中國(guó)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(shí)和外觀方法相結(jié)合的后方車輛檢測(cè)[J];東北大學(xué)學(xué)報(bào)(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(cè)算法[J];公路交通科技;2012年02期

7 楊阿麗;劉峽壁;魏雪;萬(wàn)玉釵;;用于交通治安卡口的全天候視頻車輛檢測(cè)方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(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(cè)和測(cè)距方法研究[J];機(jī)械設(shè)計(jì)與制造;2013年02期

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

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

相關(guān)會(huì)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(cè)與跟蹤研究進(jìn)展[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 聞?dòng)?潘霓;;基于磁偏角的車輛檢測(cè)的研究[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

3 楊阿麗;劉峽壁;魏雪;萬(wàn)玉釵;;用于交通治安卡口的全天候視頻車輛檢測(cè)方法[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)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(cè)算法[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

5 蔣大林;馬軍強(qiáng);;基于視頻的車輛檢測(cè)與跟蹤方法綜述[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)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(yùn)動(dòng)車輛檢測(cè)技術(shù)[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

7 李舜酩;繆小冬;;視覺(jué)車輛檢測(cè)方法的研究進(jìn)展及展望[A];2009全國(guó)虛擬儀器大會(huì)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(cè)系統(tǒng)[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)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(cè)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(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

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

相關(guān)重要報(bào)紙文章 前10條

1 記者 何雪峰;宿州簡(jiǎn)政放權(quán)助推縣域經(jīng)濟(jì)[N];安徽日?qǐng)?bào);2009年

2 記者 賈瑞芳;檢車進(jìn)企業(yè) 溫暖送到家[N];河北經(jīng)濟(jì)日?qǐng)?bào);2009年

3 鄭利平;湖州車輛檢測(cè)科研項(xiàng)目通過(guò)鑒定[N];中國(guó)交通報(bào);2004年

4 張廣明;運(yùn)用高新技術(shù)審驗(yàn)運(yùn)輸車輛[N];巴彥淖爾日?qǐng)?bào)(漢);2007年

5 張奇 李小潔;車輛檢測(cè)，為何招來(lái)怨聲一片[N];檢察日?qǐng)?bào);2002年

6 本報(bào)記者 侯莎莎;車輛年檢強(qiáng)制免費(fèi)換牌釘[N];北京日?qǐng)?bào);2012年

7 奚榮武　顧剛;昆山：1100萬(wàn)元加強(qiáng)卡口監(jiān)控[N];人民公安報(bào);2009年

8 見(jiàn)習(xí)記者 黃鵬飛;檢測(cè)要細(xì)之又細(xì)，事故要堅(jiān)決壓降[N];法治快報(bào);2006年

9 記者 楊耀青;車輛檢測(cè)更加公正透明[N];西安日?qǐng)?bào);2011年

10 張貴峰;車檢改革應(yīng)將交通部門(mén)納入其中[N];法制日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前8條

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

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

3 張偉;基于視覺(jué)的運(yùn)動(dòng)車輛檢測(cè)與跟蹤[D];上海交通大學(xué);2007年

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

5 王曾敏;小波圖像融合算法及其在視頻車輛檢測(cè)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(cè)與跟蹤方法研究[D];中國(guó)海洋大學(xué);2012年

7 嚴(yán)捷豐;交通視頻監(jiān)控中的車輛檢測(cè)與分割方法研究[D];中國(guó)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(cè)技術(shù)的研究[D];長(zhǎng)安大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

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

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

3 馬蓓蓓;基于HOG特征的車輛檢測(cè)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(cè)系統(tǒng)設(shè)計(jì)[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(cè)系統(tǒng)的車輛檢測(cè)與跟蹤研究[D];西南交通大學(xué);2015年

6 馮樂(lè);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(cè)方法研究[D];長(zhǎng)安大學(xué);2015年

8 趙倩倩;基于目標(biāo)特征點(diǎn)跟蹤與聚類的車輛檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2015年

9 田蘇慧敏;基于視頻圖像處理的車輛檢測(cè)與車流量統(tǒng)計(jì)平臺(tái)的設(shè)計(jì)實(shí)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(cè)研究[D];江西理工大學(xué);2014年

本文編號(hào)：2278714