基于目標(biāo)跟蹤的車(chē)流量統(tǒng)計(jì)系統(tǒng)研究.pdf

1、基于視頻圖像的車(chē)流量統(tǒng)計(jì)系統(tǒng)是智能交通系統(tǒng)的重要研究課題之一，它利用圖像處理和人工智能技術(shù)對(duì)攝錄的車(chē)流視頻進(jìn)行分析處理，獲取在某個(gè)時(shí)段中道路上通過(guò)的車(chē)輛數(shù)目，為智能交通系統(tǒng)提供后續(xù)處理的基本數(shù)據(jù)，實(shí)現(xiàn)道路智能化調(diào)度，提高路面資源利用率?；谀繕?biāo)跟蹤的車(chē)流量統(tǒng)計(jì)方法在實(shí)際應(yīng)用中，由于受到光照的影響經(jīng)常會(huì)出現(xiàn)陰影問(wèn)題，當(dāng)陰影區(qū)域面積較大和車(chē)輛間行駛距離較近時(shí)，會(huì)造成圖像中車(chē)輛發(fā)生粘連，從而影響車(chē)流量統(tǒng)計(jì)系統(tǒng)的準(zhǔn)確率。因此，車(chē)輛陰影消除算法、

2、粘連車(chē)輛分割算法是車(chē)流量統(tǒng)計(jì)系統(tǒng)的關(guān)鍵技術(shù)。本文在研究車(chē)流量統(tǒng)計(jì)過(guò)程中常用的陰影消除和粘連分割算法的基礎(chǔ)上，實(shí)現(xiàn)了一個(gè)基于目標(biāo)跟蹤的車(chē)流量統(tǒng)計(jì)系統(tǒng)。
　　本文主要研究工作如下：
　　1.針對(duì)車(chē)輛邊緣的遮擋車(chē)輛曲線(xiàn)分割算法在分割過(guò)程中準(zhǔn)確率低的問(wèn)題，改進(jìn)了一種基于凹性分析的粘連車(chē)輛分割算法。仿真實(shí)驗(yàn)結(jié)果表明，本文的算法與車(chē)輛邊緣的遮擋車(chē)輛曲線(xiàn)分割算法相比，在分割車(chē)輛時(shí)具有較高的準(zhǔn)確率，從而可以有效地提高車(chē)流量統(tǒng)計(jì)系統(tǒng)的準(zhǔn)確性。

3、
　　2.對(duì)常用的陰影消除算法（HSV顏色特征算法、梯度特征算法）進(jìn)行了分析研究。針對(duì)上述兩種算法各自消除率低的問(wèn)題，提出了一種基于HSV顏色特征和梯度特征融合的陰影消除算法。仿真實(shí)驗(yàn)結(jié)果證明，本文所提出的算法具有較高的陰影消除率，在一定程度上提高了車(chē)輛檢測(cè)的魯棒性。
　　3.在Visual Studio2010集成開(kāi)發(fā)環(huán)境下，采用MFC應(yīng)用程序框架及OpenCV計(jì)算機(jī)視覺(jué)庫(kù)，實(shí)現(xiàn)了基于目標(biāo)跟蹤的車(chē)流量統(tǒng)計(jì)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明