基于视频的车流量检测技术研究

近年来，基于视频的车流量检测技术以其参数设置灵活、检测范围广、安装维护方便等优点得到广泛应用。本文以相机拍摄的道路视频为研究对象，重点研究车流量检测技术中的车辆检测与车辆跟踪算法，并结合VC++与OpenCV开发一套全天候车流量检测原型系统。论文主要工作如下： 一、研究了视频样本的采集方法，采用家用数字DV拍摄不同时段、不同天气和不同路况的道路交通视频，构建了一套视频样本库，用于本文算法研究和车流量检测实验。 二、提出了混合高斯背景模型的一种改进方法。针对混合高斯模型运行过程中“鬼影”长期存在的缺陷，通过在初期采用新的权值和方差更新方法，加速了“鬼影”的消除；针对混合高斯模型对所有像素点均采用固定分布数建模会造成内存空间浪费的缺陷，通过设定一个分布数上限值，对未达到上限值的像素点采用分布数自适应变化的方法，有效地减少了模型总分布数，节约了内存空间。实验结果表明，改进后的混合高斯模型在“鬼影”的消除和计算速度上具有很大的优势。在混合高斯模型的基础上，提出了一种基于颜色和纹理的阴影检测算法。利用阴影覆盖区域像素点亮度值比背景亮度值低，颜色和纹理保持不变的特性，通过计算各像素点颜色畸变、亮度畸变和一阶梯度值，并与背景各像素点进行比较，从而区分阴影点和非阴影点。实验结果表明，该算法能准确地检测出阴影点。 三、研究了基于外接矩形框和卡尔曼滤波的车辆跟踪算法。利用同一车辆在相邻两帧中面积和运动距离相近的特点，提出了两个匹配指标：面积指标和距离指标，并结合卡尔曼滤波完成了车辆的跟踪。 四、研究了基于车前灯的夜间车流量检测算法，采用基于灰度直方图的自适应阈值区域生长算法进行车灯的提取，并通过车灯配对和车灯跟踪完成了夜间车流量的检测，给出了车辆跟踪轨迹。 五、设计了全天候车流量检测原型系统，给出了其主要功能模块，并利用该系统对样本库中的视频进行实验，统计车流量数据，通过与虚拟线圈法所得结果进行比较，结果表明该系统具有较高的准确率。