本文關(guān)鍵詞：智能交通系統(tǒng)中視頻處理關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 智能交通系統(tǒng) 圖像處理 大范圍監(jiān)管 違章監(jiān)控 預(yù)測抓拍

【摘要】：當(dāng)今社會城市化道路交通發(fā)展迅速,交通監(jiān)管方面的壓力也隨之而來。智能交通系統(tǒng)是可以提高通行效率、減少人力成本的信息化手段,能夠有效保障所監(jiān)管路段車輛行駛安全,因此對其的研究也引起了人們的重視。在智能交通系統(tǒng)中,智能監(jiān)管的范圍和效率是研究的熱點之一,本文主要針對效率更高、監(jiān)管范圍更大的智能交通系統(tǒng)中的視頻處理關(guān)鍵技術(shù)進行研究。本文研究的智能交通系統(tǒng)采用基于圖像處理的方法來檢測車輛目標(biāo)。主要利用圖像處理技術(shù)中顏色空間、圖像灰度化以及二值化等方面的基本原理來處理視頻數(shù)據(jù)；通過均值背景提取法獲得視頻背景,從而可以用視頻幀序列與背景相減來提取圖像中的前景目標(biāo),最后采用圖像形態(tài)學(xué)處理法優(yōu)化所提取的前景。監(jiān)管更大范圍意味著每幀圖像處理計算量的增加,本文針對如何高效且準(zhǔn)確跟蹤上移動車輛目標(biāo)展開了研究。給出了一種中值濾波與抽取相結(jié)合的圖像預(yù)處理優(yōu)化方法,降噪的同時減少了每幀圖像處理的計算量；采用基于灰度圖像塊配準(zhǔn)的運動補償抖動消除算法,有效抑制了圖像抖動噪聲；針對視頻圖像中的前景車輛目標(biāo),采用基于幀間目標(biāo)最大重疊面積的方法跟蹤車輛目標(biāo),從而準(zhǔn)確獲得了行駛車輛目標(biāo)的運動軌跡信息。本文提出了一種運動目標(biāo)在視頻圖像中的像素坐標(biāo)軌跡預(yù)測方法,該方法便捷實用,無需任何實際路面及攝像機參數(shù)信息,同時所采用的分式預(yù)測模型源于相機成像原理,在需要變焦抓拍移動目標(biāo)時,該方法可以準(zhǔn)確預(yù)測到最佳的抓拍位置。在此基礎(chǔ)之上研究了智能交通系統(tǒng)中的違章變焦抓拍方法,采用多項式最小二乘法來擬合道路邊界,存儲所提取的道路數(shù)據(jù)以便程序多次運行讀��；結(jié)合所獲取的道路數(shù)據(jù)給出了一套針對車輛違法行為的智能違章判定方法,可以有效識別出車輛壓線、逆向、占用應(yīng)急車道等交通違法行為。本文最后提出了一種交通違法車輛智能跟蹤抓拍系統(tǒng)的構(gòu)建方法,采用球型攝像機、工業(yè)控制計算機以及通信設(shè)備等硬件設(shè)備,通過系統(tǒng)軟件包括球機控制、圖像處理、智能研判、違章取證、數(shù)據(jù)上傳等模塊,實現(xiàn)自動控制球型攝像機的云臺及鏡頭狀態(tài)來動態(tài)跟蹤車輛目標(biāo)并進行行為分析。本系統(tǒng)在交通事故易發(fā)路段某機場高速路口進行了實際測試,主要針對該路段中有壓線、逆行、占用應(yīng)急車道等典型交通違法行為的車輛進行違章取證,測試效果良好,可以有效監(jiān)管車輛行為,保障道路行駛安全。
【關(guān)鍵詞】：智能交通系統(tǒng) 圖像處理 大范圍監(jiān)管 違章監(jiān)控 預(yù)測抓拍
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 課題研究背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 論文研究內(nèi)容12
• 1.4 論文組織結(jié)構(gòu)12-14
• 第二章 智能交通系統(tǒng)中的視頻處理理論基礎(chǔ)14-24
• 2.1 視頻監(jiān)控圖像數(shù)據(jù)獲取基本原理14-16
• 2.1.1 基于文件的視頻圖像解碼(RGB)14-15
• 2.1.2 基于實時監(jiān)控的視頻圖像解碼(YUV)15-16
• 2.2 圖像處理基本原理16-20
• 2.2.1 圖像灰度化原理16-18
• 2.2.2 視頻背景初始化原理18
• 2.2.3 圖像二值化原理18-20
• 2.3 圖像前景提取基本原理20-21
• 2.3.1 背景差分法20-21
• 2.3.2 圖像形態(tài)學(xué)處理21
• 2.4 本章小結(jié)21-24
• 第三章 智能交通大范圍監(jiān)控系統(tǒng)中的圖像處理技術(shù)研究24-36
• 3.1 圖像濾波與抽取技術(shù)研究24-28
• 3.1.1 圖像濾波處理24-26
• 3.1.2 圖像像素抽取處理26-27
• 3.1.3 濾波與抽取相結(jié)合27-28
• 3.2 圖像抖動處理研究28-32
• 3.2.1 基于圖像塊匹配的抖動處理原理28-30
• 3.2.2 具體應(yīng)用實例30-32
• 3.3 車輛目標(biāo)檢測跟蹤技術(shù)研究32-35
• 3.3.1 運動目標(biāo)檢測32-33
• 3.3.2 運動目標(biāo)跟蹤33-34
• 3.3.3 運動目標(biāo)識別34-35
• 3.4 本章小結(jié)35-36
• 第四章 智能交通系統(tǒng)中違章目標(biāo)變焦抓拍方法研究36-54
• 4.1 道路數(shù)據(jù)提取方法研究36-40
• 4.1.1 監(jiān)控邊界數(shù)據(jù)提取36-40
• 4.1.2 攝像機預(yù)置位數(shù)據(jù)提取40
• 4.2 車輛違章行為判定算法研究40-46
• 4.2.1 騎、軋車道分界線行為判定41-42
• 4.2.2 違規(guī)逆向行為判定42-44
• 4.2.3 占用應(yīng)急車道行為判定44-46
• 4.3 大范圍內(nèi)預(yù)測抓拍算法研究46-53
• 4.3.1 大范圍內(nèi)預(yù)測抓拍原理47-49
• 4.3.2 大范圍內(nèi)預(yù)測抓拍方法49-51
• 4.3.3 大范圍內(nèi)預(yù)測抓拍應(yīng)用51-53
• 4.4 本章小結(jié)53-54
• 第五章 交通違法車輛智能跟蹤抓拍系統(tǒng)構(gòu)建與方法54-72
• 5.1 智能跟蹤抓拍系統(tǒng)功能54-55
• 5.2 系統(tǒng)硬件構(gòu)建方法55-57
• 5.2.1 球型攝像機55-56
• 5.2.2 系統(tǒng)硬件結(jié)構(gòu)56-57
• 5.3 系統(tǒng)軟件構(gòu)建方法57-65
• 5.3.1 系統(tǒng)軟件結(jié)構(gòu)57-58
• 5.3.2 球機控制模塊58-59
• 5.3.3 違章取證模塊59-64
• 5.3.4 數(shù)據(jù)上傳模塊64-65
• 5.4 系統(tǒng)實現(xiàn)65-71
• 5.4.1 系統(tǒng)初始化及工作過程65-67
• 5.4.2 系統(tǒng)工作流程圖67
• 5.4.3 系統(tǒng)軟件界面及實驗結(jié)果67-71
• 5.5 本章小結(jié)71-72
• 第六章 總結(jié)與展望72-74
• 6.1 總結(jié)72
• 6.2 展望72-74
• 致謝74-76
• 參考文獻76-80
• 作者簡介80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮成春;;計算機技術(shù)在智能交通系統(tǒng)中的應(yīng)用[J];中國管理信息化;2016年05期

2 錢X;李芳;文益民;;基于顏色和空間距離的顯著性區(qū)域固定閾值分割算法[J];計算機科學(xué);2016年01期

3 董艷;梁久禎;;基于多種色彩空間的像素覆蓋分割方法[J];小型微型計算機系統(tǒng);2015年08期

4 鄧塏鏞;唐佳林;;智能交通中車輛跟蹤算法的研究[J];科技資訊;2015年11期

5 武鳳翔;;基于DirectShow和WPF的實時視頻圖像采集與處理系統(tǒng)設(shè)計與實現(xiàn)[J];計算機應(yīng)用與軟件;2015年03期

6 權(quán)開波;賈寧;杜培壽;;基于最小二乘法的曲線擬合[J];商;2015年03期

7 趙娜;袁家斌;徐晗;;智能交通系統(tǒng)綜述[J];計算機科學(xué);2014年11期

8 江愛文;劉長紅;王明文;;基于前—后向光流點匹配運動熵的視頻抖動檢測算法[J];計算機應(yīng)用;2013年10期

9 吉淑嬌;朱明;胡漢平;邢笑雪;;基于特征匹配的視頻穩(wěn)像算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年S1期

10 鄭建青;;觀察數(shù)據(jù)用聯(lián)系數(shù)表示的最小二乘法及應(yīng)用[J];寧波大學(xué)學(xué)報(理工版);2013年01期

，

本文編號：540143