【摘要】：隨著社會(huì)與經(jīng)濟(jì)的迅速發(fā)展,城市規(guī)模日益擴(kuò)大,人口與道路車(chē)輛數(shù)目迅速增加,導(dǎo)致交通事故、交通擁堵等問(wèn)題越來(lái)越嚴(yán)重,環(huán)境污染及資源浪費(fèi)等問(wèn)題也隨之而來(lái),對(duì)城市發(fā)展及人們的生活質(zhì)量產(chǎn)生了極大的負(fù)面影響。因此,道路交通狀態(tài)檢測(cè)成為交通視頻監(jiān)控中研究的重要內(nèi)容之一。本文提出了一種基于視頻分析的道路交通狀態(tài)檢測(cè)方法。通過(guò)對(duì)道路監(jiān)控視頻的分析,研究了視頻圖像中運(yùn)動(dòng)車(chē)輛檢測(cè)、交通特征參數(shù)提取及交通狀態(tài)判斷等問(wèn)題。主要工作有如下幾方面:(1)對(duì)混合高斯背景建模進(jìn)行改進(jìn),提高了背景模型對(duì)光線變化的適應(yīng)性,較好地檢測(cè)出運(yùn)動(dòng)車(chē)輛目標(biāo),并結(jié)合背景差分方法獲取車(chē)輛運(yùn)動(dòng)區(qū)域;(2)提出了一種基于邊緣特征檢測(cè)道路車(chē)輛密度的方法,避免了對(duì)車(chē)輛區(qū)域的分割,降低了參數(shù)提取的難度;(3)對(duì)交通狀態(tài)進(jìn)行道路交通流宏觀描述,將塊匹配算法用于估計(jì)交通流速度。在此基礎(chǔ)上,采用K-均值聚類算法設(shè)計(jì)兩層分類器,對(duì)三種交通狀態(tài)(暢通、緩行與擁堵)進(jìn)行分類識(shí)別。(4)將建議算法集成系統(tǒng),對(duì)貴陽(yáng)市實(shí)際道路交通監(jiān)控視頻進(jìn)行了測(cè)試,實(shí)驗(yàn)結(jié)果表明,建議算法有效、可行,為交通狀態(tài)識(shí)別的后續(xù)研究奠定了一定的基礎(chǔ)。
[Abstract]:With the rapid development of society and economy, the city scale is expanding day by day, the population and the number of road vehicles are increasing rapidly, which leads to more and more serious problems, such as traffic accidents, traffic congestion, environmental pollution and waste of resources and so on. It has a great negative impact on urban development and people's quality of life. Therefore, road traffic state detection has become one of the important contents in traffic video surveillance. In this paper, a method of road traffic state detection based on video analysis is proposed. Based on the analysis of road surveillance video, the problems of moving vehicle detection, traffic feature parameter extraction and traffic state judgment in video image are studied. The main works are as follows: (1) the background modeling of mixed Gao Si is improved to improve the adaptability of the background model to light change and to detect the moving vehicle target. Combined with background difference method, the moving area of vehicle is obtained. (2) A method based on edge feature is proposed to detect vehicle density, which avoids the segmentation of vehicle area. The difficulty of parameter extraction is reduced. (3) the traffic state is described macroscopically and the block matching algorithm is used to estimate the speed of traffic flow. On this basis, a two-layer classifier is designed by using the K-means clustering algorithm to classify and identify the three traffic states (smooth, slow and congested). (4) the proposed algorithm is integrated into the system, and the actual road traffic surveillance video in Guiyang is tested. The experimental results show that the proposed algorithm is effective and feasible, which lays a foundation for further research on traffic state recognition.
【學(xué)位授予單位】：貴州民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 褚麗莉;高影;高明濤;;狀態(tài)檢測(cè)防火墻的研究與分析[J];遼寧工學(xué)院學(xué)報(bào);2006年05期

2 李林;盧顯良;李澤平;聶曉文;蒲汛;彭永祥;;一種支持大規(guī)模連接數(shù)的狀態(tài)檢測(cè)防火墻[J];中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S1期

3 辜麗川;倪志偉;張敞;朱紀(jì)中;;一種基于狀態(tài)檢測(cè)的嵌入式防火墻[J];計(jì)算機(jī)應(yīng)用與軟件;2008年06期

4 高飛;;網(wǎng)絡(luò)設(shè)備中防火墻狀態(tài)檢測(cè)系統(tǒng)設(shè)計(jì)[J];通信技術(shù);2011年05期

5 嚴(yán)宏;;狀態(tài)檢測(cè)防火墻連接限制的研究和實(shí)現(xiàn)[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年03期

6 黃運(yùn)來(lái);柏航;馮繼偉;陳俊強(qiáng);;雷達(dá)狀態(tài)檢測(cè)數(shù)據(jù)非均勻稀化方法[J];四川兵工學(xué)報(bào);2013年07期

7 李偉;董冰;;基于狀態(tài)檢測(cè)的防火墻技術(shù)[J];兵工自動(dòng)化;2005年06期

8 遲秀偉;唐朔飛;季振州;李鑫;;狀態(tài)檢測(cè)防火墻中幾種協(xié)議的結(jié)構(gòu)設(shè)計(jì)[J];計(jì)算機(jī)應(yīng)用研究;2006年02期

9 周森鑫;;狀態(tài)檢測(cè)防火墻技術(shù)的研究[J];安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

10 劉吉臻;劉繼偉;曾德良;柳玉;;大數(shù)據(jù)多尺度狀態(tài)檢測(cè)方法在磨損檢測(cè)的應(yīng)用[J];儀器儀表學(xué)報(bào);2013年01期

相關(guān)會(huì)議論文 前1條

1 趙軒;王勇軍;趙國(guó)鴻;張德清;;基于狀態(tài)檢測(cè)的硬件防火墻實(shí)現(xiàn)技術(shù)研究[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)’2004論文集[C];2004年

相關(guān)重要報(bào)紙文章 前2條

1 ;華勤通信ZyWALL 全狀態(tài)檢測(cè)[N];計(jì)算機(jī)世界;2003年

2 張遠(yuǎn)征;五大技術(shù)支撐起UTM[N];金融時(shí)報(bào);2006年

相關(guān)碩士學(xué)位論文 前10條

1 錢(qián)晨;大型會(huì)場(chǎng)座位狀態(tài)檢測(cè)方法研究及應(yīng)用[D];復(fù)旦大學(xué);2014年

2 唐顯錠;能量高效的分布式目標(biāo)跟蹤與狀態(tài)檢測(cè)算法研究[D];復(fù)旦大學(xué);2014年

3 王翔宇;高速公路視頻監(jiān)控系統(tǒng)中車(chē)輛識(shí)別與道路狀態(tài)檢測(cè)的研究[D];北京工業(yè)大學(xué);2015年

4 翟軍治;板載軟件狀態(tài)檢測(cè)與異常分析[D];西安電子科技大學(xué);2014年

5 楊建軍;基于Omap4460人眼狀態(tài)檢測(cè)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 李學(xué)龍;基于RFID的城市道路交通狀態(tài)檢測(cè)與預(yù)測(cè)方法研究[D];重慶交通大學(xué);2015年

7 李碩;危險(xiǎn)駕駛狀態(tài)檢測(cè)機(jī)制的研究與系統(tǒng)構(gòu)建[D];南京郵電大學(xué);2015年

8 梁慧丹;糧倉(cāng)儲(chǔ)糧狀態(tài)檢測(cè)方法與系統(tǒng)設(shè)計(jì)[D];河南工業(yè)大學(xué);2016年

9 楊澤松;基于MEMS傳感器的老人跌倒?fàn)顟B(tài)檢測(cè)系統(tǒng)研究與設(shè)計(jì)[D];湖南大學(xué);2016年

10 金曉波;狀態(tài)檢測(cè)對(duì)錫膏印刷機(jī)生產(chǎn)效率的影響建模與仿真分析[D];重慶大學(xué);2016年

，

本文編號(hào)：2219278