数模集训个人赛之——视频分析在交通管理中的作用.docVIP

PAGE PAGE 1 随机代码：103 视频分析在交通控制中的应用 摘要 本文主要讨论了视频分析在现代交通控制中的应用问题，通过利用MATLAB软件中的图形处理工具箱，并结合其数学原理，对提取视频的过程进行了合理分析，建立了视频处理和统计车流量的数学模型。 针对问题（1），首先，对于题给的5分06秒的视频利用MATLAB进行了图像的处理，按帧为单位分解视频得到7645张图片。然后，对图片进行了灰度处理，灰度处理后的图片发现存在较大的干扰因素，于是对已经灰度化的图片进行了去噪处理。为了抓取汽车的行车特征，因此，接下来，对图片进行背景逐差处理，。最后，将处理过的图片进行了二值化处理，并对于可能还存在的误差干扰，如部分非汽车的白色点进行手动处理，从而得到了最后的图像。从二值图像中，白色亮点即代表车辆，黑色代表背景。 针对问题（2），首先，为了统计车流，确定了横条状区域为统计的检测区域。在问题一的基础上，判断有没有汽车通过，设置一个计数器，每有一次车辆经过，则计数器加一，从而统计出整个视频中的车流量。不过，考虑到条状区域作为监测区域的过程可能会发生重复计数的过程（即车头进入前一帧图像，车位进入后一帧图像，则会重复计数），因此，最后在得到统计车流之后，进行误差分析与讨论。 关键词：灰度处理，图像二值化，滤波去噪，视频监控，车流量统计 问题重述 传统的视频监控由人工进行视频监测发现安全隐患或异常状态，或者用于事后分析，这种应用具有其固有的缺点，难以实现实时的安全监控和检测管理。视频分析是指将先进的 信息技术、数据通讯传输技术、电子控制技术、计算机处理技术等应用于工业生产，从而提高生产效率。在交通管理中，带有智能分析功能的监控系统可以通过区分监控对象的外形、动作等特征，做到主动收集、分析数据，并根据预设条件执行报警、记录、分析等动作。对于视频分析而言，其关键技术是建立合理的数学模型。利用你所学知识解决以下问题： 问题一：根据提供的视频，建立提取附录提供的视频图像的数学模型。 问题二：结合已提取的背景，建立计算车流量数学模型。 问题分析 对于问题（1），为了建立视频图像的数学模型，首先，要对视频做出大量的图像化处理，所谓图像化处理，即将视频通过MATLAB等软件，将视频按照帧取出，将视频信息转化成为图像信息，这样，将动态的信息就处理成为了静止以处理的信息形式了。附件提供的视频时长为5分06秒，按帧为单位分解视频得到7645张图片。在将视频成功转化为图像后，对得到了图像进行首次预处理——灰度化，灰度化的目的是为了便于量化和突出图像特征。经过灰度处理后的图像发现存在较大的干扰因素，于是接着对已经灰度化的图片进行了去噪处理。为了在图像中能够快速的抓取汽车的特征，因此，接下来，对图片进行背景逐差处理的方式，减少背景的干扰。最后，将处理过的图片进行了二值化处理，并对于可能还存在的误差干扰，如部分非汽车的白色点（道路线条或者路边环境等）进行手动处理，从而得到了最后的图像。在最终得到的二值图像中，白色亮点即代表车辆（主要研究对象），黑色代表背景。 对于问题（2），在模型一的基础上，建立车流量的数学模型。车流量的统计不可能通过全段的观察来得出，为此，缩小研究的范围，由于不管远近，每辆车都会经过视频监控区域，于是，将问题等价缩小在视频区域中的某块条横状区域中的汽车通过量。从而根据条横状里的车流变化估算出全部的车流量。由于存在条状区域作为监测区域的过程可能会发生重复计数的过程，即车头进入前一帧图像，车位进入后一帧图像，则会重复计数的情况，因此，最后在得到统计车流之后，进行误差分析与讨论。 模型假设与符号说明 3.1模型的假设 1、在视频中，周围的环境，比如光照等不会发生突变，不会影响图像灰度化的过程； 2、在整个视频过程中只有汽车是唯一的动态物体； 3、监测设配不受外界环境的干扰，不会发生设配的自身故障； 4、忽略监测时，汽车的外形及长度对监控的影响； 5、每辆汽车的运动状态不会发生突变。 3.2符号的说明 ：表示按帧提取的图像集合中第张图片，=1……7645； ：环境噪声； ：视频图像在灰度化图像中的位置表示值； ：视频背景图像在灰度化图像中的位置表示值； ：视频中前景目标（汽车）在图像中的位置表示值； ：彩色图像的红色值； ：彩色图像中的绿色值； ：彩色图像中的蓝色值； 模型的建立与求解 4.1模型一的建立与求解 对于问题一，整个图片的处理过程可以概括为以下的流程图 读取图像 读取图像 灰度处理 灰度处理 寻找阈值 寻找阈值 消除误差 消除误差 二值化处理 二值化处理 4.1.1读取图像（图像的采样）： 利用MATLAB中的VideoRead