交通视频监控系统中运动目标特征提取与数据传输实时性保证的研究

近年来，无论是发达国家还是发展中国家，都毫无例外地受到了不断恶化的交通的困扰。交通视频监控系统通常由摄像机、图像采集卡和计算机等部分组成并模仿人眼功能进行监控，是21世纪信息技术发展给交通运输带来的一场革命。但是因为交通环境的多样性和复杂性，交通视频监控系统的精确度和速度目前仍然有很大的提升空间。交通视频监控系统中车辆监控是整个系统的关键和核心，围绕车辆监控，系统可以分为：车辆特征提取、车辆信息匹配和车辆位置预测。车辆特征提取部分又可以分为运动目标检测、目标阴影去除和目标特征提取三部分。 本文主要从交通视频监控系统中的车辆特征提取和处理数据传输的实时性保证两个方面进行研究：第一，在系统高鲁棒性、高实时性和高准确性的要求下，对交通视频监控系统中运动目标检测、目标阴影去除和目标特征提取进行了研究。第二，在数据传输实时性保证方面，结合软件系统的要求，进行实时性测试和影响实时性的因素分析。具体如下： 运动目标检测：将运动的车辆目标从交通视频序列中分离出来，是整个车辆特征提取的基础。本文通过设计基于改进Surandra算法的双重背景更新算法，提高了背景更新的质量和速度，同时还解决了车辆静止后再运动的识别问题，取得了很好的实验效果。 目标阴影去除：运动车辆提取后一般都有不同程度的阴影出现在前景图像中，对目标物体的正确定位、测量和跟踪都有很大影响。因此，阴影去除已经成为了交通视频监控系统中不可或缺的一部分。本文在研究多种阴影去除算法的基础上，改进了基于“光强无关图”阴影去除算法，并且采用了交通视频监控的图像序列与原算法进行了实验比较。 目标特征提取：对阴影去除后的车辆目标进行特征抽取，是进行特征匹配完成车辆监控的前提。由于单独采取某种特征提取算法明显具有实时性或鲁棒性等不同的缺陷，因此，综合多种算法，提出在交通视频监控系统中有效实用的算法是本文的主要研究方向。 数据传输实时性保证：根据交通视频监控系统需要传输的数据类型和特点，进行了实时系统的选择。确定了在基于RTAI的开源的硬实时网络协议栈RTnet上进行了实时性通信后，经过对RTnet的TDMA机制深入研究，完成了RTnet的实时性通信测试，并分析测定了memory interaction操作对实时性通信的影响。 最后，对所作的研究进行总结，并且对未来的工作方向进行了简单的讨论。