基于模型的交通流信息检测系统研究.pdfVIP

浙江大学博士学位论文 摘 要 计算机视觉技术是实现图像理解的重要技术，在智能交通系统(ITs)中具有广泛的应 用。基于视频图像的交通信息检测具有检测信息全面、监视范围广、成本较低、不影响交通 等优点。与其他技术相比，视频技术在处理车辆跟踪、车辆分割、车辆排队等方面，具有明 显的优势，是实现交通信息采集的最主要技术手段之一。在“十五”科技攻关项目“交通信 息采集设备开发”课题的支持下，本文研究了固定相机条件下的交通流量参数提取、交通场 景理解的技术和方法，以及基于嵌入式系统的研发工作，并成功研制一体化和分离式两种类 型交通信息采集设备。 运动车辆的分割、跟踪和识别是实现交通信息检测的基础，是实现交通场景理解的关键 技术。考虑到检测设备的检测功能要求和实时性要求．以及车辆形状和运动方式等有关的先 验知识，本文提出了全新的基于立方体模型的车辆描述和识别系统，内容涵盖了实现一个对 象识别系统所必须研究的底层处理、模型化和匹配三个方面。并对相机标定、运动信息检测 和立方体模型识别等提出了行之有效的算法，最终实现了具有实用意义的检测系统。 在相机标定算法研究中，根据车辆运行于道路平面的约束知识，将相机标定分为外参数 标定和内参数标定两个不同的处理步骤。实现了简化标定的目的。研究了道路平面运动约束 下图像平面和道路平面之间的重投影关系，在此基础上推导出路面重投影速度与车辆运动方 位之间的同方位关系，作为车辆模型定位的初始化信息。研究基于单帧图象的小波变换、层 次图象分解、多尺度边缘检测、边缘描述、多尺度角点检测等技术，以及由边缘特征实现的 基于平行四边形的感知聚类方法，为模型匹配提供更高层次的特征结构。 运动信息检测由变化检测和光流检测两个阶段实现。变化检测由时间差分和背景差分两 种不同的差分技术实现，时间差分通过连续帧的“与”运算消除“虚影”，由背景差分实现 完整的变化检测。研究了背景模型、背景更新、自动光圈抑制、形态学处理和团块凸分割等 有关内容，实现稳定鲁棒的运动团块检测。光流检测由团块粗跟踪和Lucas．Kamde算法精 述了基于颜色空间变换的阴影检测方法。 车辆模型由立方体结构实现模型的点、线、面之间的拓扑结构描述，以及基于视面图的 2D投影描述。在识别过程中，由运动信息确定车辆模型位置和方位，对于单个车辆，实现 基于轮廓的单个车辆特征检测方法，由Ba”s推理网络进行识别。对于多个车辆，由边缘特 征和运动光流特征，采用多种约束条件控制匹配搜索的深度和识别树的数量，完成车辆对象 的分割识别。 论文最后介绍了交通流量检测设备的产品化开发，包括硬件系统和软件系统的开发。此 项产品再经过一系列的改进和优化，将具有非常广阔的应用前景。 关键词： 交通信息采集基于模型的对象识别车辆模型路面运动约束 小波多尺度分解运动检测和跟踪模型匹配嵌入式系统 第1页 知识水坝@pologoogle为您整理 知识水坝@pologoogle为您整理 浙江大学博士学位论文 第一章绪论 交通场景理解系统通过计算机视觉技术，获取行驶于道路中车辆的形状信息、位置信息 和运动信息，在此基础上检测交通道路的使用情况，估计车流量、交通密度、道路利用率、 车流拥挤程度、车辆排队长度等交通流量信息，作为交通控制与决策的环境参数，对交通拥 堵、交通事故等异常情况进行实时检测和监控，为交通管理和交通控制提供实时全面的场景 数据，是实现先进的交通管理系统的基础。 交通场景理解系统必须适应多种光照、多种时段、多种气候条件、多种车辆运行方式。 在不同条件下对车辆检测、跟踪和识别。车辆、场景等先验知识在计算机视觉算法的合理应 用，是实现交通场景理解系统的重要前提。基于模型的车辆识别方法，可以有效地将车辆的 运行知识、模型知识、道路的平面约束等先验知识形成图象特征、运动特征，以及特征之间 的约束条件，以控制车辆的识别过程，保证系统检测的实时性和识别结果的可靠性，是实现 车辆识别的重要技术手段。 第一节研究背景 1．1引言 多运动目标检测和识别是计算机视觉学科中重要的研究领域，是图象处理和计算机视觉 研究中十分活跃的领域。连续的图象序列提供了丰富的图象信息和运动信息，随