隨著高分辨率衛(wèi)星視頻的出現(xiàn),衛(wèi)星視頻為智能交通系統(tǒng)建設提供了新的數(shù)據(jù)源,從衛(wèi)星視頻中獲取大范圍道路交通信息已經(jīng)成為了一個極具潛力的研究方向。本文旨在分析衛(wèi)星視頻圖像特性的基礎之上,嘗試進行衛(wèi)星視頻交通流參數(shù)提取。本文的主要的研究內(nèi)容如下:(1)總結了視頻衛(wèi)星的發(fā)展歷程及其應用情況,分析了衛(wèi)星視頻作為一種新的交通信息采集源的優(yōu)缺點,并對視頻交通信息采集所涉及的一些基本的算法,包括車輛檢測和車輛跟蹤等算法的優(yōu)缺點和近期的研究方向進行了分析歸納,明確了本文的研究方向。(2)針對衛(wèi)星視頻存在的背景復雜、運動目標數(shù)量眾多、運動目標特征不明顯等問題,設計了一種包括感興趣區(qū)域設置和直方圖變換的圖像預處理方法,以實現(xiàn)衛(wèi)星視頻圖像的增強。(3)針對衛(wèi)星視頻中車輛的特點,提出了一種基于衛(wèi)星視頻的交通流參數(shù)提取方法。該方法主要包括三個部分,首先考慮到衛(wèi)星視頻中車輛所占像素少、車輛特征不明顯的特點,選擇了通過角點檢測來實現(xiàn)車輛檢測。與一般的角點檢測算法不同的是,本文在傳統(tǒng)的角點檢測算法的基礎上,針對衛(wèi)星視頻的特點附加了一定的限制條件,通過這些附加條件來實現(xiàn)車輛與角點的一一對應,從而實現(xiàn)對車輛的檢測。其次算法采用了稀疏光流的方法對車輛檢測中得到的角點進行跟蹤,利用角點與車輛的對應關系實現(xiàn)了車輛跟蹤,得到了車輛的運行軌跡線。最后在車輛檢測跟蹤得到的角點信息的基礎之上,結合衛(wèi)星視頻的相關參數(shù),實現(xiàn)了對道路上車輛車速的計算。(4)采用了 UrtheCast公司的兩個高清衛(wèi)星視頻(波士頓和拉斯維加斯地區(qū))對本文提出的衛(wèi)星視頻交通流參數(shù)提取方法的可靠性進行實驗驗證,并借助于OpenCV庫開發(fā)了本文所需要的程序,實驗結果表明利用本文算法得到的車輛檢測精度平均為85.13%,交通流速度提取的精度平均為86.80%,證明了本文算法的可靠性。
【學位單位】：北京交通大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U491
【部分圖文】：

得一些傳統(tǒng)的視頻處理算法并不能很好的應用于衛(wèi)星視頻數(shù)據(jù)。因此，以視頻車輛交通流參數(shù)提取為切入點，探究適用于衛(wèi)星視頻的交通信息采集于促進衛(wèi)星視頻在智能交通領域的應用具有重要的參考意義。逡逑１．２國內(nèi)外研究現(xiàn)狀逡逑１．２．１衛(wèi)星視頻發(fā)展歷程與應用逡逑衛(wèi)星是指圍繞一顆行星軌道做閉合周期性運動的天然天體它的多個部分，主要有衛(wèi)星本身、地面站以及衛(wèi)星與地面站的連接部分。衛(wèi)星統(tǒng)包括結構系統(tǒng)、熱控系統(tǒng)、通信系統(tǒng)和姿勢控制系統(tǒng)，當前衛(wèi)星按用途通信衛(wèi)星、氣象衛(wèi)星等。邐，逡逑視頻衛(wèi)星是指衛(wèi)星在運動中始終與目標區(qū)域掛鉤，從而實現(xiàn)對目標區(qū)視”觀測的一種新型對地觀測衛(wèi)星，如圖１－１所示［１Ｇ１。根據(jù)視覺暫停原理，的變化超過每秒２４幀時，人們的觀感就覺得是平滑的，借助這一原理，便可實現(xiàn)對目標的動態(tài)觀測，得到視頻數(shù)據(jù)。逡逑

如果某點像素值的變化值小于預定的閾值，則可確定該點的像素為背景逡逑像素，否則確定為前景像素點，從而可以檢測出視頻幀中的運動目標。幀差法的基逡逑本處理流程如圖１－２所示。逡逑當前幀圖像逡逑視頻序列－邋預處理逡逑前一幀圖像逡逑運動目標丨—后續(xù)處理邐二值化逡逑圖１－２幀差法的基本思路逡逑Ｆｉｇ．邋１邋－２邋Ｔｈｅ邋ｂａｓｉｃ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｆｒａｍｅ邋ｄｉｆｆｅｒｅｎｃｅ邋ｍｅｔｈｏｄ逡逑幀差法的優(yōu)點在于計算量比較小，背景不積累，實時運算實現(xiàn)起來比較容易，逡逑對于陰影等光線的變化適應性比較好。幀差法的缺點也很明顯，幀差法對環(huán)境噪聲逡逑比較敏感，算法的閾值很難確定，如果選定的閾值過大，可能造成目標遺漏，閾值逡逑選擇過低，則可能產(chǎn)生目標誤檢。因此目前在具體的應用領域，學者們都是將幀差逡逑法進行改進或其他方法進行結合后再進行運動目標的檢測１１ＭＱ１。逡逑針對幀差法中常出現(xiàn)的“空洞”和“影子”的問題，學者們提出了不同的解決方法。逡逑比如學者渠燕紅［２１味是出了一種將動態(tài)像素補償模型和迭代幀差法相結合的運動目逡逑標檢測方法，該方法通過建立動態(tài)補償模型來克服光照對目標檢測的干擾，同時采逡逑用迭代幀差法來減少“空洞”的產(chǎn)生，并通過人流檢測來測試算法的可靠性，實驗結逡逑果表明該模型在復雜場景下具有較高的可靠性。也有學者通過將幀差法和混合高逡逑斯法結合來解決這一問題

景減除法的關鍵在于背景模型的精確構造，如何根據(jù)場景的動態(tài)變化來更新背景逡逑是增強背景減法的關鍵之一，目前背景建模方法主要有均值法、中值法和高斯建模逡逑法等［２６１。背景減除法的基本流程如圖１－３所示。逡逑當前幀邋邐逡逑預處理邐（一）二值化后續(xù)處理一一運動目標逡逑背景建模逡逑圖１－３背景減除法基本思路逡逑Ｆｉｇ．邋１－３邋Ｔｈｅ邋ｂａｓｉｃ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｂａｃｋｇｒｏｕｎｄ邋ｓｕｂｔｒａｃｔｉｏｎ邋ｍｅｔｈｏｄ逡逑均值法是指將訓練背景圖像的平均值作為背景圖像來進行運動目標檢測，均逡逑值法的實現(xiàn)有很多不同的途徑。比如黃磊等１２７１首先利用一段時間的視頻幀數(shù)據(jù)，逡逑對其對應像素點的像素值進行求和平均，再利用平均值來構建背景圖像，最后通過逡逑背景差分完成運動目標檢測。這種方法能夠解決攝像機抖動等瞬時噪聲所帶來的逡逑問題［２８］，但用該方法得到的背景圖像并不是很理想，只適合在一般的背景圖像中逡逑使用，對于一些特殊的背景情況，需要采用一些額外的處理方法。比如韓超等１２９］考逡逑慮到由于均值法受到車流量的影響，背景建模會產(chǎn)生殘影，因此提出了一種基于差逡逑分均值和矩陣分區(qū)的背景建模方法，該算法可以實現(xiàn)比較完整的車輛陰影檢測，并逡逑可以滿足多目標的實時檢測。逡逑６逡逑

【參考文獻】

相關期刊論文 前10條

1 ;國家民用空間基礎設施中長期發(fā)展規(guī)劃(2015-2025年)[J];衛(wèi)星應用;2015年11期

2 李艷萍;林建輝;楊寧學;;一種基于SIFT特征光流的運動目標跟蹤算法[J];計算機科學;2015年11期

3 劉祥磊;童小華;馬靜;;視頻測量影像序列橢圓形人工目標點快速識別和跟蹤方法[J];測繪學報;2015年06期

4 邵奇可;周宇;李路;陳慶章;;復雜場景下自適應背景減除算法[J];中國圖象圖形學報;2015年06期

5 亞森·艾則孜;艾山·吾買爾;;運動目標檢測中基于灰度特征模型的背景消除方法[J];計算機工程;2015年06期

6 於正強;潘峗;宦若虹;;一種結合幀差法和混合高斯的運動檢測算法[J];計算機應用與軟件;2015年04期

7 劉天良;鄭海紅;羅圣美;梁瑋;鄧碩;;改進的混合動靜態(tài)背景的分割方法[J];西安交通大學學報;2015年02期

8 劉韜;;國外視頻衛(wèi)星發(fā)展研究[J];國際太空;2014年09期

9 周若谷;;基于高斯背景建模和時間差分法的目標檢測研究[J];電腦編程技巧與維護;2014年04期

10 郭曉;郭曉金;;基于時空的混合高斯背景建模的運動目標檢測[J];電視技術;2013年03期

相關碩士學位論文 前3條

1 銀龍;陜西省道路智能交通體系規(guī)劃研究[D];長安大學;2014年

2 李杰;視頻序列中運動目標檢測跟蹤算法研究[D];西南交通大學;2010年

3 裴巧娜;基于光流法的運動目標檢測與跟蹤技術[D];北方工業(yè)大學;2009年

本文編號：2811224