基于视频检测交通流量的预测.pptVIP

基于视频交通流量信息采集 近期工作汇报 ••••••• xxx•••••••••••••• 目录 基于视频技术的嵌入式交通信息采集系统实现 基于视频技术的微观交通流信息采集系统研究 基于视频检测的高速公路交通信息采 集系统设计 基于图像处理技术的交通流量视频检测系统研究 基于视频技术的嵌入式交通信息采集系统实现 华中科技大学 武汉光电国家实验室 武汉鼎图科技有限公司 文献一 系统采用基于TI公司专用图像DSP DM64x的平台。以TMS320DM642为核心，通过扩展视频编解码器、储存器、10/100Mbps以太网、RS-232等接口构成一个完整的系统。系统框图如图： 视频解码芯片SAA7113将摄像机的输出转换为数字视频输入DM642；DM642对图像数据进行检测算法的运算，将检测到的各种参数通过以太网接口或者 RS232接口发送到远程通信服务器，由远程通信服务器回传到信息中心。 根据不同的应用环境，通过本地 RS-232修改系统的配置参数。系统的检测结果可以通过OSD的方式直接叠加在原始图像上，通过 SAA7120转换成复合视频信号（CVBS) 直接在监视器上进行显示。 车辆检测算法 本系统的图像采集速度为25fps。在高速公路等条件下 ,图像处理和采集过程可同步完成 (处理当前帧时,进行下一帧采集),即25fps ; 在城市环境下,系统处理速度能保证不小于15fps , 即处理一帧图像耗时不大于1000ms/15=66.7ms。假定检测区域为 10 m , 则有效检测的最高车速为10m/66.7ms=537km/h , 完全能满足现有的交通状况。 文献二 基于视频图像处理的交通流量检测技术研究 太原科技大学 视频检测器 视频检测器集成了图像处理技术、CCD 摄像机技术和车辆检测技术，集合了交通信息采集的多重检测任务，可以实时获得多参数、大范围的交通信息。得益于信息技术与图像处理技术的快速发展，实现了检测道路车辆流量、速度、车型、车长、车距的实时监测与高准确度，成为了当前一项重要的技术手段，具有良好的发展前景。 视频检测器的信息处理过程为：CCD 摄像机在道路现场获取实时区域视频图像；车辆通过摄像机检测区域时，引起无车状态时视频图像的灰度数值变化，在图像处理技术的支持下比较这种变化，通过车辆检测技术获得车辆流量、车型、车速等交通信息。视频检测器在路面上方龙门架或者路侧悬臂架上进行安装。 车辆目标的检测与提取 视频序列车辆目标检测的目的就是在将噪声抑制的同时，从视频的背景中提取出运动目标的成分，并输出运动目标的特征，而这些特征就是后续工作所需要的数据信息，对这些信息进行分析研究。 帧间差分法 基本原理：当图像场景中出现目标物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性即可确定图像序列中的目标物体。 背景帧差法 算法比较——实时性、准确性 综上比较：背景差分法是这三种算法中各种性能都较为稳定的，其不但可以提供较为完整运动目标的信息，且对噪声具有一定的鲁棒性，特别适合于静态背景的实时检测 背景模型 实际的场景中，背景并不是始终不变的，其受光线，天气变化的影响，是一个渐变的过程，而且由于背景物体的干扰运动会使检测结果出现很多的伪目标。所以为了提高检测算法的准确性，自适应背景模型的建立及实时更新成为了背景差分算法中首要解决的问题。 常用背景建模方法：统计平均法、基于模型的方法（单模态、多模态高斯模型） 统计平均法：利用背景图像的缓变性，也就是在时域上的稳定性，从视频流中提取连续的多帧图像，对多帧图像中相应位置点象素值求平均得一新图像，即为图像平均值背景。 单模态高斯模型：认为图像的每一个像素都服从以 μ 为均值σ 为方差的高斯模型，且对于每一点来说其分布都是独立的。处理时都是在任一段时间t 内同一 位置像素点(x, y)的集合，像素点(x, y)的值为其中的一个，表示如下： 其中，I表示图像序列，即集合；i表示第i帧。所以从时间轴上看，这些点的集合符合高斯分布，即 改进k-均值聚类的背景建模 改进算法步骤： 2.设定初始群集个数并提取数据流。为提高算法的速度，将数据流分为两个群 集，即令k=2，在前N帧图像序列中，取在同一位置的像素点的灰度值为一个数据流，且对它们的灰度值进行由大到小的排序。 4.根据距离最近准则将灰度值归类，同时记录隶属于该群集的像素个数N(L)划归依据如下式所示： 8.输出背景模型。 阴影的检测与去除 由于阴影问题的存在，可能造成不同车辆目标的合并、形状扭曲