基于DM642的视频交通流量检测系统研究概要.doc

基于DM642的视频交通流量检测系统研究 南 京 工 业 基于改进SOM的多目标跟踪算法研究 　　　　 　 　　　　　　　　 南京工业大学 分类号 密级 U D C 编号 学 位 论 文 基于DM642的视频交通流量检测系统研究 徐宏伟 　　　　指导教师姓名 　　　　申请学位级别 硕士 学科、专业 　　　　论文提交日期 20年月 　　 Research of Vision-based Traffic Flow Detection System in DM642 Dissertation Submitted to Nanjing University of Technology in partial fulfillment of the requirement for the degree of Master of Engineering By Hongwei Xu Supervisor: Prof. Ningsheng Gong June, 2011 学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名： 期： 学位论文的使用声明研究生签名： 日 期： 日 期： 摘 要 交通流量信息采集是交通集成化控制和管理中最基本的工作，也是对交通路网快速、合理、有效运行和控制的最重要环节之一。随着计算机视觉的发展和硬件平台处理速度的提高，计算机视觉技术、DSP技术及交通技术相结合的交通流量检测已经成为智能交通系统中一项重要课题，而快捷准确提取车流和车速信息是智能交通系统急需解决的两个主要问题。本文针对这两个问题进行了深入的探索和研究，最终设计实现了基于TMS320DM642的视频车辆检测系统。 在目前虚拟线车辆检测算法中，存在镜头转动导致虚拟线重新设定的问题，对此本文通过识别运动物体来识别静态物体的方法，并利用BP神经网络的自学习、联想和容错特性，有效的排除了帧差图像中的干扰，进而讨论了基于BP神经网络的检测区域自动标定方法，为检测区域的背景提取和更新奠定了基础。 道路背景是基于帧差法车辆检测的基础。由于道路背景会受光照、天气等环境的影响，所以一种好的道路背景提取和更新方法，是背景差分法车辆检测技术的关键，为此本文以每个车道检测区域作为独立单元，从区域像素整体考虑，采用了统计帧数打分的道路背景提取和无车状态帧匹配的道路背景更新算法，这为后续车流和车速检测提供了保障。 针对传统的基于视频车辆检测方法中，存在只依据图像的亮度信息无法区分低亮度车辆和车辆阴影导致车辆多检的问题，本文采用决策二叉树进行车辆存在性判断的方法，从而讨论了基于YUV色彩空间车辆检测算法。车速作为交通信息采集中另一个重要信息，本文采用了多检测块的车速检测算法。 目前传统的视频交通流量检测系统大多在PC平台上完成，由于PC机体积大、成本高、安装及携带不方便、稳定性低，为此本文采用TI公司的TMS320DM642芯片，研究了基于DSP车流检测系统的解决方案，完成了DSP车流检测平台的设计。利用 DSP/BIOS、CCS3.3开发工具和RF5参考框架，完成了DSP软件程序的设计和开发。试验证明，本文构建的嵌入式视频车流检测系统稳定、高效、具有广阔的应用前景，为系统的实际应用和推广奠定了基础。 关键词：TMS320DM642 BP神经网络 背景更新 车辆检测 YUV色彩空间 ABSTRACT The collection of traffic flow information is not only the basic job in the