区域特征指纹库模型在全天候车辆检测中的研究与应用

VIP免费
3.0 高德中 2024-11-19 5 4 5.5MB 51 页 15积分
侵权投诉
区域特征指纹库模型在全天候车辆检
测中的研究与应用
摘 要
运 动 车 辆 的 识 别 与 检 测 是 智 能 交 通 系 统 （ Intelligent Transport
System，ITS）中非常重要的组成部分，由于视频技术和高性能计算机的发展，
基于视频的车辆检测技术已经在车辆检测中受到越来越广泛的应用。与传统的
空气管道检测技术、磁感应检测技术和波频检测技术等车辆检测技术相比，基
于视频的车辆检测技术具有处理速度快、安装维护简单且费用较低、使用范围广
可获得多种交通信息参数等诸多优点，近年来该方法已被广泛用于交通系统内
部的智能交通系统中。
本文基于图像的模式匹配对基于视频的车流量监测进行了研究，将车辆的
特征提取和识别技术作为研究内容，并设计了一种用于车辆检测的区域特征指
纹库模型，该模型的核心思想是用车辆特征外观的紧凑原型来对车辆的外观分
布进行表述，对每个单独的外观原型区域，依靠简单的距离标准进行匹配，并
将所得区域信息进行归纳整理并保存在特征库中，在车辆对象识别过程中依靠
车辆外观对象的匹配数目和密度覆盖来获得外观相似度，最后通过设置外观匹
配阈值来对车辆不同部分进行区分和识别。
系统采用 VC++/OpenCV 完成了整个软件的开发，实现了统计模型的所有功能，
实验结果说明使用该监测模型能够方便、高效地在多种天气环境下进行车辆的检
测与识别。
关键字：车辆检测 兴趣区域 外观特征 运行目标 区域特征指纹库
I
ABSTRACT
Automatic Identification and detection of moving vehicles is a very important
part of the Intelligent Transportation System (Intelligent Transport System, ITS).
With the development of video technology and high-performance computers, video-
based vehicle detection technology has been widely used in vehicle detection.
Compared with the traditional air piping detection technology, induction detection
techniques and wave frequency detection technology, video vehicle detection
technology have the advantage of high processing speed, simple installation, low cost
maintenance, wide utilization. They can obtain a variety of traffic information
parameter. In recent years, video vehicle detection technology has been widely used
in Intelligent Transportation System.
This video vehicle detection system is based on image schema matching, and the
research content are vehicle feature extraction and recognition technology. A regional
characteristics fingerprint model for vehicle detection is designed. The core ideas of
this model is applying compact vehicle characteristics appearance prototypes to
describe each separate statement of a vehicle, and using the distance to match
appearance of the prototype area. The vehicle regional information are stored in a
feature database, and the vehicle object recognition relies on vehicle exterior object
match number, and density cover is used to obtain appearance similarity. Finally by
setting the appearance of vehicle matching threshold, different parts of a vehicle can
be classified and identified .
The system is developed by VC++ and OpenCV, and all functions of the
statistical model is achieved. Experimental results indicate that the regional
fingerprint database model is convenient, efficient used in a variety of weather
environment for vehicle detection and recognition.
Key words ：Vehicle detection, Region of Interest, Appearance
features, Motion target, Regional fingerprint database
II
目 录
摘 要
ABSTRACT
第一章 绪 论.................................................................................................................1
§1.1 论文研究背景................................................................................................1
§1.2 车流量识别技术的研究背景和意义............................................................1
§1.3 基于视频车流量识别技术的国内外研究现状............................................3
§1.4 目前基于视频车辆检测技术存在的问题....................................................4
§1.5 本文主要工作和论文安排............................................................................5
第二章 基于视频的车流量统计系统..........................................................................6
§2.1 基于视频的车流量识别技术........................................................................6
§2.2 基于视频的车流量统计系统........................................................................6
§2.3 车辆检测技术................................................................................................8
§2.4 车辆跟踪技术..............................................................................................13
§2.5 本章小结......................................................................................................16
第三章 基于区域特征指纹库模型的车辆检测技术................................................17
§3.1 特征指纹库模型概述..................................................................................17
§3.2 特征库的建立..............................................................................................19
§3.3 车辆特征的提取..........................................................................................19
§3.3.1 特征提取算法概述.........................................................................20
§3.3.2 提取车辆特征的步骤.....................................................................21
§3.3.3 车辆特征对象的表示和提取..........................................................22
§3.4 不同车型局部特征区域的相似性度量......................................................29
§3.5 车辆的跟踪和计数......................................................................................30
§3.6 车流量实时监控系统概述和适用的环境..................................................33
§3.7 本章小结......................................................................................................34
第四章 车流量统计原型的总体架构和实现............................................................35
§4.1 系统的总体结构..........................................................................................35
§4.2 车流量统计系统的运行流程......................................................................35
§4.3 车辆的特征库的制作..................................................................................37
§4.3.1 图像特征库的存储方式.................................................................37
§4.3.2 特征库特征点提取.........................................................................38
§4.3.3 特征图片块的分割.........................................................................43
§4.4 车辆的分割与识别算法的实现..................................................................44
§4.4.1 特征库的匹配过程.........................................................................44
§4.5 车辆的跟踪算法实现..................................................................................45
§4.6 程序运行结果..............................................................................................46
§4.7 本章小结......................................................................................................47
第五章 总结和展望....................................................................................................48
§5.1 研究工作总结..............................................................................................48
§5.2 对未来研究的展望......................................................................................48
参考文献.....................................................................................................................50
III
0 参考文献
第一章 绪 论
§1.1 论文研究背景
随着我国生活水平的提高，汽车保有量在不断增多，按照目前的增长速度，
2020年我国汽车保有量将突破2亿辆，面对巨大的城市交通压力，发展中国家和发
达国家一样面临着交通拥堵、交通环境恶化等问题，针对城市交通拥堵这一问题虽
然我国各省市都出台了一些车辆限制措施，但是仅仅依靠法律法规对车辆数目进行
限制不仅不能真正意义上解决道路交通拥堵问题，还使得人们日益增长的交通需求
不能被满足。只有依靠先进的计算机处理技术对现有道路交通系统进行改造，实现
交通管理的智能化，这样道路交通拥堵等问题才能从根本上得到解决。
智能交通系统[1](Intelligent Transportation System，简称ITS)正是在当前日益恶
化的交通环境下发展起来的一种高新技术，它是通过在道路交通管理使用先进的全
球定位技术、信息技术、数据通信技术、传感器技术、人工智能及计算机网络等技
术建立其的一种适用于全方位、综合化、实时、准确、高效的交通运输管理系统，
从而使得人、车、交通信号控制实现智能化协调管理。在道路中引入智能交通管理
系统，可以很大程度上缓解当前交通系统的混乱，低效等问题，智能交通管理被当
今社会公认为解决城市交通拥堵的最有效措施。
车流量检测作为智能交通系统的一个关键组成部分，为整个智能系统的后续处
理提供了车速、车流量等基础信息，是实现智能交通系统制定正确的交通诱导措施
和管理的前提。本文将对基于视频的车流量设计进行相关研究和说明。
§1.2 车流量识别技术的研究背景和意义
车流量识别技术是智能交通系统[2]（ITS）中的基础组成部分。它主要用来对
交通道路上的车流量进行监控并针对后续处理提供信息依据。当道路交通发生拥堵
或者紧急交通事故发生时，智能化交通系统通过分析当前车流量数据，可以进行智
能化疏导并对针对性的提供调控管理方法，从而减少道路堵塞，提高公路的利用率
合理高效地引导交通流量。智能交通系统将获得的实时交通信息通过万维网为广大
车主提供一个开放的公共查询平台，为用户提供实时有效的交通路况信息，可以让
车主在明晰的交通状况下自主选择最为合适的行车道路，提高出行效率，减少拥堵
时间。
车流量监测技术主要可分为三个功能模块：车流量信息采集模块、车流量信息
处理模块和车流量信息发布模块。其中车流量信息采集模块主要功能是完成对道路
交通车流信息的原始数据采集，目前采集数据主要通过地感线圈、激光、或视频的
方式。车流量处理模块主要是将采集的交通数据经过后续的信息处理，进而得到诸
如车辆通过数量，行车速度等交通数据。车流量信息发布模块主要针对前两个模块
所得的数据进行进一步专业分析处理，针对不同的应用环境，智能化分析该路段的
交通状况，针对异常情况，发布适当的调控指令，及时对该路段进行分流，从而可
以提高道路的通行效率；也可将获得的交通数据信息进行统计分析，为以后交通决
策的制定提供有效的依据。车流量信息发布模块不因前两个系统获取数据方式的不
同而改变，它的功能具有普遍性。
上述三个功能模块中，流量信息的采集方法决定了系统对采集到的信息所采用
1
区域特征指纹库模型在全天候车辆检测中的应用与研究
的处理方式。当前，有基于非视频处理的交通流量信息采集方法，如地磁检测器、
电磁检测器、超声波检测器、环形线圈检测器、微波检测器和基于视频技术的检测
方法。本节中将给出各种非视频流量信息采集方法的简介，基于视频的车流量信息
采集方法将在第二章中进行说明。
感应线圈检测器[3]是通过将环型线圈铺设于道路中，由于电磁感应现象，当车
辆经过环型线圈会使得环型线圈的谐振回路的谐振频率发生变化，通过计算机对谐
振频率的变化进行计数采样后，就可以判断出是否有车辆通过检测区域。感应线圈
检测器具有检测灵敏度高，成本低等优点，但它安装和维护时要进入公路中操作，
会一定程度上堵塞交通，且维护时的工作量较大，并且获取的车辆信息也较少，一
般情况下只能得到车辆的行驶方向、车辆速度等信息。
地磁检测器[4]的感应器由一个外部密绕着线圈的永久磁铁棒，通过将该感应器
铺设于公路中，当车辆通过感应器时会在线圈中产生一个感应电动势，根据电磁感
应效知识可知，车辆通过监控区域时线圈会输出一个脉冲，但对于静止的车辆该感
应器不会产生任何输出，因此地磁检测器对于其它的交通流数据信息的采集很有局
限性。地磁检测器是一种简单、经济、耐用的车流量统计方法，地磁检测器比较合
适适用于仅要求记录来往车辆数量的场合。
电磁检测器[5]通过对地磁检测器进行改进，提高了检测的灵敏度，它不但可以
用于对运动车辆进行检测，还可以可以用于对静止车辆检测。电磁检测器可检测出
相互间间距很近的车辆，非常适用于只需统计车辆数目的环境，但是由于电磁检测
器对车辆的边缘定位能力不足，所以在对需要测定占有率和车辆速度的环境中表现
一般，而且检测到的车型分类也不准确。
微波检测器[6]是通过将架在龙门架上或路边立柱上的发射天线对准道路中监测
区域发射微波波束。根据多普勒效应可知，当车辆通过监测区域时，车辆会将微波
以不同的频率被反射回来，通过检测器的接收器对这种频率变化进行检测就可以判
断出是否有车辆通过检测区域。微波探测器不但能够对多个行车区域同时进行检测
还能够获得车流量，车速和道路占有率等多种信息。微波探测器虽然有很多优点，
但是不能提供视频监控，记录的车辆或交通道路的图像信息的能力。因此通常将微
波探测器与视频监控结合使用。
超声波检测器首先由超声波发生器发射超声波，通过分析经车辆反射回来的超
声波对车辆进行检测。当检测区域内有车辆通过时就会将超声波检测器发射的超声
波反射回来，通过检测器的接收器对该信号与原信号进差异对比，就可以判断出检
测区域内是否有车辆通过。超声波检测器安装与路边支架上，维护时不需要进入道
路主体，不会对交通造成影响，但由于环境影响，超声波当风速较大时就会产生漂
移，这种偏移在严重情况下会导致系统无法正常工作，而且超声波检测器由于超声
波的特殊性，在检测器下方有其他干扰时也会影响反射波的接收。
由于车辆实时检测和跟踪技术具有很高的实用价值和广阔的市场前景，各国学
者，研究人员对其进行了广泛的研究。如美国的霍尼韦尔公司，新加坡科技等公司
都有相应的应用产品，目前，我国的智能交通系统（ITS）建设已经陆续在各大城
市中展开，但是大多采用的是国外的产品，所以在这方面无论是从学术上还是从商
业价值上来讲，我们还应在这方面投入积极的热情。
§1.3 基于视频车流量识别技术的国内外研究现状
2
0 参考文献
美国加州帕萨迪纳市喷气推进实验室于1978年首次提出机器视觉[4]可用作替代
传统车辆检测的一种新的技术手段用于车辆的检测。美国明尼苏达大学[4]的研究人
员在几年后使用当时最先进的微处理器，设计制作了第一个可投入实际运作的基于
视频的车辆检测系统，该系统在不同应用场景的测试结果均有良好的表现，该系统
的出现使得采用视频技术进行实时车辆检测成为可能。在欧洲和日本对基于机器视
觉的各类车辆检测系统的研制也在同期投入研究，此后几年时间中，基于视频的车
辆检测技术得到了很快的发展。美国加州理工大学[5]于1991年对当时采用的各类型
的基于视频的车辆检测技术进行了详尽分类，并对视频检测技术在高速公路中实施
进行了细致的评估。1994年，美国休斯飞机公司[6]对当时存在的几种检测技术进行
了详细的评估，评估结果证明——基于视频的车辆检测技术已经完全可以投入市场
应用。明尼苏达运输部[7]
(MB/DOT) 随后更详尽严格的评估了美国联邦公路局
(FHWA)所使用的视频车辆检测系统，评估结果再次证明了基于视频的车辆检测技
术在准确性以及可靠性上都满足实时交通检测的需求。同时，随着基于视频的车辆
检测技术研究的深入，美国联邦公路局已将当初的单一化视频车辆检测功能发展为
可提供多种交通信息参数的智能化公路系统，这标志着基于视频的车辆检测技术和
结合车辆跟踪技术的产生。
目前基于视频的智能交通系统及基于视频的交通状况预测模型的研究在发达国
家中已经取得很大进展，在交通管理系统中基于计算机视频监测技术也得到了实际
应用，一些商业化视频车辆监控产品[8]在美国、日本和欧盟等发达国家已经投入了
实际运作，如美国PEER公司研制的VideoTra VideoTrak-910型视频车辆跟踪探测系
统具有大范围、多区域进行实时跟踪监测的能力，可以方便获得实时交通视频状况
和多种交通数据信息。
我国在基于视频的车辆监测技术领域研究起步较晚，技术实力也由于过去经济
条件和对外交流限制等原因较为薄弱，对比国外，我国特别是在视频车辆检测的图
像处理，模式识别等核心领域的研究都相对滞后。随着改革开放以来，我国经济实
力不断增强，对外学术交流不断增加，国内视频车辆监测相关技术的研究有了革命
性发展。同时人民生活的日益提高和城市交通建设的快速发展也为视频车辆监测技
术提供了切实的应用环境。国内目前也有不少智能化交通设备公司，如清华紫光的
视测系统VS3001[9]，深圳神州交通系统有限公司开发的Video Trace TM[9]等。目前
国内基于视频的智能交通检测技术从总体上讲还处于发展阶段。
中国科学院 [10]视觉监控研究组在国内的研究机构中，对于图像处理、模式识
别技术的研究处于较领先地位，他们深入研究了基于视频的车辆识别与跟踪技术，
并取得了一定的成绩。此外，国内一些高校也在视频识别领域有相关的研究。
§1.4 目前基于视频车辆检测技术存在的问题
虽然目前基于视频的交通检测技术已经取得了很大的进步，并在北京、上海等
地投入实际运作，但是效果却并不十分理想，系统在识别精确度和稳定性方面都不
令人满意。总体来说，这是由于三方面的因素造成的：
（1） 车辆运动的不确定性。因为车辆在行驶过程中，车辆速度、方向、运动轨
迹的复杂性和不确定性决定了不能采用单一化的检测方法对车辆进行识别
跟踪。
（2） 视频图像采集的不稳定性。因为视频采集受多方面的影响，图像序列的数
据本身就有一定的局限性和特殊性，在不同的环境下，采集的视频分辨率
3
摘要：

区域特征指纹库模型在全天候车辆检测中的研究与应用摘要运动车辆的识别与检测是智能交通系统（IntelligentTransportSystem，ITS）中非常重要的组成部分，由于视频技术和高性能计算机的发展，基于视频的车辆检测技术已经在车辆检测中受到越来越广泛的应用。与传统的空气管道检测技术、磁感应检测技术和波频检测技术等车辆检测技术相比，基于视频的车辆检测技术具有处理速度快、安装维护简单且费用较低、使用范围广可获得多种交通信息参数等诸多优点，近年来该方法已被广泛用于交通系统内部的智能交通系统中。本文基于图像的模式匹配对基于视频的车流量监测进行了研究，将车辆的特征提取和识别技术作为研究内容，并设...

展开>> 收起<<
区域特征指纹库模型在全天候车辆检测中的研究与应用.doc

共51页,预览6页

还剩页未读， 继续阅读

相关推荐

更多
立即下载
作者：高德中 分类：高等教育资料 价格：15积分 属性：51 页 大小：5.5MB 格式：DOC 时间：2024-11-19

开通VIP享超值会员特权

  • 多端同步记录
  • 高速下载文档
  • 免费文档工具
  • 分享文档赚钱
  • 每日登录抽奖
  • 优质衍生服务

作者详情

相关内容

更多

推荐作者

热门标签

/ 51
评分 收藏
分享
立即下载 VIP免费下载
客服
关注