基于视频的车流量统计算法研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第1章绪论
1.1课题的背景和意义
进入2l世纪以来,伴随着经济的快速增长和汽车保有量的激增,交通拥挤、 交通事故频发等造成了越来越多的生命财产损失、时间浪费和环境污染,例如, 2005年我国由于交通事故死亡约10万人,另有47万人受伤【l】。交通问题已经成 为包括我国在内的世界各国政府共同面临的重要难题之一。传统的解决办法(拓宽 道路和重新修建道路)并不能从根本上解决问题,如何运用科学的管理方法解决交 通问题已经受到越来越多的重视,其中智能交通是一个重要研究方向。
道路交通流量检测技术的研究对城市的交通控制、管理和未来智Βιβλιοθήκη Baidu运输系统 功能的实现都有一定的理论意义和实用价值,本文对车流量检测技术进行了研究。
1.2国内外研究现状
1.2.1国外研究现状 基于视频的车流量检测技术的研究始于国外,早在上世纪70年代就有许多研
究学者提出运用机器视觉来检测车辆的方法【6】。首先在美国加州帕萨迪纳市的喷气 推进实验室进行了实验,并指出此方法可以替代传统的检测方法。同期,基于视 频的车流量检测的研究也在日本和各欧洲国家广泛展开【7,8】,1972年日本对基于图 像处理技术的实时交通参数检测设备进行了研制,之后世界各发达国家都相继展 开这方面的研究。几年后,美国明尼苏达大学的研究人员开发出了第一个可以应 用到实际中的车辆检测系统,在不同的场景下经过大量的实验证明该系统都取得
本文的工作主要分为以下四部分: 1)对车流量统计相关算法进行了研究,针对目标检测算法,研究了光流法、 帧间差分法和背景差分法。针对背景提取算法,研究了均值法、统计中值法、单 高斯背景模型法和混合高斯背景模型法;针对阴影消除算法,研究了基于HSV颜 色空间变换的阴影消除算法、基于色彩特征不变量的阴影消除算法和基于纹理特 征的阴影消除算法。同时,本文对上述算法进行了实验对比分析。 2)给出了一种改进的混合高斯模型背景提取算法,当读入一定帧数的图像之 后认为背景达到稳定状态,读入新的视频帧时,对当前帧进行判断,如果像素点
precise target detection and traffic flow measuring..
Key Words:ITS;Moving object detection;Background subtraction;Shadow
elimination:Vehicle flow
基于视频的车流量统计算法研究
和稳定背景图像的像素点差值大于阂值孤,就对该像素点进行更新,反之就不更
新。 3)给出了一种改进的基于虚拟区域的车流量统计算法,首先设置检测区域和
检测线,然后跟踪检测区域中车辆的质心到检测线的距离d,如果d小于矾认为
有一辆车辆通过,通过实验验证,本文算法的精确率能达到90%左右。 4)实现了一个车流量统计系统,整个系统主要包括视频播放模块、GMM背
此后相继的几年,美国休斯飞机公司和加州理工大学的研究人员对在高速公 路上运用视频检测技术检测进行了测评。1994年,美国休斯飞机公司的测评结果 中指出,基于视频的车辆检测技术已经达到了在实际中应用的要求。同年由明尼 苏达运输部为美国联邦公路局进行的测评结果指出,视频检测器检测的准确性和 可靠性都达到了令人满意的程度。随着应用的越来越广泛,人们已经不能满足于 仅仅检测出运动车辆,同时还希望获得更多的交通参数‘111。
大连海事大学 硕士学位论文 基于视频的车流量统计算法研究 姓名:田辉 申请学位级别:硕士 专业:信息与通信工程 指导教师:史晓非
201206
摘要
摘要
智能交通系统(ITS)已经被科学家认为是解决当前城市交通问题最有效的方 法,也是目前和未来交通发展的主流方向。ITS的前提是获得交通道路的实时信息, 比如车速、车流量等。本文主要研究ITS中基于视频检测技术的车流量统计方法, 对所涉及的运动目标检测、背景提取、阴影去除以及车辆统计等核心技术进行了 详细的研究。
playback and display.The function of background updating module is to implemem the
paper’S background updating algorithm.The function of foreground building module is
algorithm counting
based on the virtual local area.A Traffic Flow counting sottware
system is implemented.Experimental result shows that the system call realize the
3)An improved vehicle counting algorithm based on the virtual local area is
proposed.First,setting the detection area and the test line.Then,tracking the distance
between the centroid in the detection and the test line.If the distance is less than Th2, one vehicle is considered to pass through the area.
4)A Traffic Flow counting software system is implememed.The system includes video player module,background updating module,foreground building module and vehicle counting module.The function of video player module is to implement video
景更新模块、前景构建模块和车辆计数模块。视频播放模块主要完成视频的播放 和显示;GMM背景更新模块主要是实现本文的背景提取算法;前景构建模块的主 要功能是通过阴影去除和形态学操作得到较好的前景图像;车辆计数模块的主要 功能是完成本文的车流量统计算法。
本文深入研究了车流量统计的相关算法,并给出了一种改进的混合高斯模型 算法和一种改进的基于虚拟区域的车流量统计算法,最后用VC实现了一个车流量 统计系统,实验结果表明本文设计的系统能够对车辆目标进行准确检测与统计。
关键词:智能交通系统:运动目标检测:背景提取:阴影消除:车流量
英文摘要
ABSTRACT
Intelligent Transportation System(ITS)has been considered as the most effective way to solve the urban traffic problems.Meanwhile,it iS the main stream direction of urban trafffic development.Acquiring the real—time information of traffic,such as traffic flow,vehicle speed,is the foundation of ITS.In this paper,we do research on the approach of traffic flow using video detection algorithms in ITS,such as moving vehicle detection,background extraction,shadow elimination and vehicle counting.
英文摘要
algorithm.The precision of the algorithm can reach 90%
algorithms In this paper,vehicle flow measuring
are deeply studied.The paper
gives all improved Gaussian Mixture Model algorithm and an improved vehicle
美国智能交通学会于1991年提出智能交通(ITS)的概念,并在世界各国得到 大力推广,欧洲、美国、日本等发达国家都在大力发展智能交通系统【241。所谓智能 交通系统,是指在现有的交通状况下,充分利用现代高新技术进行合理的交通需 求分配和管理,通过卫星导航系统、汽车自动引路系统、交通信息通信系统 (VTCS)、视频监控系统和计算机管理等多种技术手段,迅速提高整个路面的通行 能力,实现安全、快速、便捷运行的一种交通综合治理方法【5】。
to extract the foreground through shadow elimination and morphological operations. The function of vehicle counting module is to achieve the paper’S vehicle flow counting
The main contents include: 1)Vehicle flow measuring algorithms are deeply studied.For vehicle detection
algorithms,they include optical flow method,frame difference method and background
第l章绪论
了良好的测试效果,该系统的使用说明了利用视频传感器实时的进行车辆检测是 可行的【引。
在以后的几年里,基于视频的车辆检测技术又取得了巨大的进步。特别是 AUTO.SCOPE视频车辆检测系统的发明,该系统使用一台普通的工业电视摄像机 完成了对车道交通流量的监视和检测,检测的车道数为6-8个。通过在人为设置的 检测区域内获取的图像信号,经过数字化和格式化处理,能够得到车辆存在、车 辆通过、流量、车速、车间距等交通数据,同时还可以实现交通录像带的脱机分 析【101。
2)An improved Gaussian Mixture Model algorithm is proposed.When reading a number of images,background reaches a steady state.Reading a new frame,if the difference between the pixel and the stable background image’S pixel is greater than the threshold,then the current pixel is updated.Otherwise,it is unchanged.
method.For background extraction algorithms,they include means method,statistical
mean value method,Single Gaussian Model and Gaussian Mixture Model.For shadow elimination algorithms,.they include the method based on HSV color space,the method based on invariants of the color characteristics and the method based on texture features. At the sanle time,the paper analyzes the advantages and disadvantages of the above algorithms through experimental simulation.
1.1课题的背景和意义
进入2l世纪以来,伴随着经济的快速增长和汽车保有量的激增,交通拥挤、 交通事故频发等造成了越来越多的生命财产损失、时间浪费和环境污染,例如, 2005年我国由于交通事故死亡约10万人,另有47万人受伤【l】。交通问题已经成 为包括我国在内的世界各国政府共同面临的重要难题之一。传统的解决办法(拓宽 道路和重新修建道路)并不能从根本上解决问题,如何运用科学的管理方法解决交 通问题已经受到越来越多的重视,其中智能交通是一个重要研究方向。
道路交通流量检测技术的研究对城市的交通控制、管理和未来智Βιβλιοθήκη Baidu运输系统 功能的实现都有一定的理论意义和实用价值,本文对车流量检测技术进行了研究。
1.2国内外研究现状
1.2.1国外研究现状 基于视频的车流量检测技术的研究始于国外,早在上世纪70年代就有许多研
究学者提出运用机器视觉来检测车辆的方法【6】。首先在美国加州帕萨迪纳市的喷气 推进实验室进行了实验,并指出此方法可以替代传统的检测方法。同期,基于视 频的车流量检测的研究也在日本和各欧洲国家广泛展开【7,8】,1972年日本对基于图 像处理技术的实时交通参数检测设备进行了研制,之后世界各发达国家都相继展 开这方面的研究。几年后,美国明尼苏达大学的研究人员开发出了第一个可以应 用到实际中的车辆检测系统,在不同的场景下经过大量的实验证明该系统都取得
本文的工作主要分为以下四部分: 1)对车流量统计相关算法进行了研究,针对目标检测算法,研究了光流法、 帧间差分法和背景差分法。针对背景提取算法,研究了均值法、统计中值法、单 高斯背景模型法和混合高斯背景模型法;针对阴影消除算法,研究了基于HSV颜 色空间变换的阴影消除算法、基于色彩特征不变量的阴影消除算法和基于纹理特 征的阴影消除算法。同时,本文对上述算法进行了实验对比分析。 2)给出了一种改进的混合高斯模型背景提取算法,当读入一定帧数的图像之 后认为背景达到稳定状态,读入新的视频帧时,对当前帧进行判断,如果像素点
precise target detection and traffic flow measuring..
Key Words:ITS;Moving object detection;Background subtraction;Shadow
elimination:Vehicle flow
基于视频的车流量统计算法研究
和稳定背景图像的像素点差值大于阂值孤,就对该像素点进行更新,反之就不更
新。 3)给出了一种改进的基于虚拟区域的车流量统计算法,首先设置检测区域和
检测线,然后跟踪检测区域中车辆的质心到检测线的距离d,如果d小于矾认为
有一辆车辆通过,通过实验验证,本文算法的精确率能达到90%左右。 4)实现了一个车流量统计系统,整个系统主要包括视频播放模块、GMM背
此后相继的几年,美国休斯飞机公司和加州理工大学的研究人员对在高速公 路上运用视频检测技术检测进行了测评。1994年,美国休斯飞机公司的测评结果 中指出,基于视频的车辆检测技术已经达到了在实际中应用的要求。同年由明尼 苏达运输部为美国联邦公路局进行的测评结果指出,视频检测器检测的准确性和 可靠性都达到了令人满意的程度。随着应用的越来越广泛,人们已经不能满足于 仅仅检测出运动车辆,同时还希望获得更多的交通参数‘111。
大连海事大学 硕士学位论文 基于视频的车流量统计算法研究 姓名:田辉 申请学位级别:硕士 专业:信息与通信工程 指导教师:史晓非
201206
摘要
摘要
智能交通系统(ITS)已经被科学家认为是解决当前城市交通问题最有效的方 法,也是目前和未来交通发展的主流方向。ITS的前提是获得交通道路的实时信息, 比如车速、车流量等。本文主要研究ITS中基于视频检测技术的车流量统计方法, 对所涉及的运动目标检测、背景提取、阴影去除以及车辆统计等核心技术进行了 详细的研究。
playback and display.The function of background updating module is to implemem the
paper’S background updating algorithm.The function of foreground building module is
algorithm counting
based on the virtual local area.A Traffic Flow counting sottware
system is implemented.Experimental result shows that the system call realize the
3)An improved vehicle counting algorithm based on the virtual local area is
proposed.First,setting the detection area and the test line.Then,tracking the distance
between the centroid in the detection and the test line.If the distance is less than Th2, one vehicle is considered to pass through the area.
4)A Traffic Flow counting software system is implememed.The system includes video player module,background updating module,foreground building module and vehicle counting module.The function of video player module is to implement video
景更新模块、前景构建模块和车辆计数模块。视频播放模块主要完成视频的播放 和显示;GMM背景更新模块主要是实现本文的背景提取算法;前景构建模块的主 要功能是通过阴影去除和形态学操作得到较好的前景图像;车辆计数模块的主要 功能是完成本文的车流量统计算法。
本文深入研究了车流量统计的相关算法,并给出了一种改进的混合高斯模型 算法和一种改进的基于虚拟区域的车流量统计算法,最后用VC实现了一个车流量 统计系统,实验结果表明本文设计的系统能够对车辆目标进行准确检测与统计。
关键词:智能交通系统:运动目标检测:背景提取:阴影消除:车流量
英文摘要
ABSTRACT
Intelligent Transportation System(ITS)has been considered as the most effective way to solve the urban traffic problems.Meanwhile,it iS the main stream direction of urban trafffic development.Acquiring the real—time information of traffic,such as traffic flow,vehicle speed,is the foundation of ITS.In this paper,we do research on the approach of traffic flow using video detection algorithms in ITS,such as moving vehicle detection,background extraction,shadow elimination and vehicle counting.
英文摘要
algorithm.The precision of the algorithm can reach 90%
algorithms In this paper,vehicle flow measuring
are deeply studied.The paper
gives all improved Gaussian Mixture Model algorithm and an improved vehicle
美国智能交通学会于1991年提出智能交通(ITS)的概念,并在世界各国得到 大力推广,欧洲、美国、日本等发达国家都在大力发展智能交通系统【241。所谓智能 交通系统,是指在现有的交通状况下,充分利用现代高新技术进行合理的交通需 求分配和管理,通过卫星导航系统、汽车自动引路系统、交通信息通信系统 (VTCS)、视频监控系统和计算机管理等多种技术手段,迅速提高整个路面的通行 能力,实现安全、快速、便捷运行的一种交通综合治理方法【5】。
to extract the foreground through shadow elimination and morphological operations. The function of vehicle counting module is to achieve the paper’S vehicle flow counting
The main contents include: 1)Vehicle flow measuring algorithms are deeply studied.For vehicle detection
algorithms,they include optical flow method,frame difference method and background
第l章绪论
了良好的测试效果,该系统的使用说明了利用视频传感器实时的进行车辆检测是 可行的【引。
在以后的几年里,基于视频的车辆检测技术又取得了巨大的进步。特别是 AUTO.SCOPE视频车辆检测系统的发明,该系统使用一台普通的工业电视摄像机 完成了对车道交通流量的监视和检测,检测的车道数为6-8个。通过在人为设置的 检测区域内获取的图像信号,经过数字化和格式化处理,能够得到车辆存在、车 辆通过、流量、车速、车间距等交通数据,同时还可以实现交通录像带的脱机分 析【101。
2)An improved Gaussian Mixture Model algorithm is proposed.When reading a number of images,background reaches a steady state.Reading a new frame,if the difference between the pixel and the stable background image’S pixel is greater than the threshold,then the current pixel is updated.Otherwise,it is unchanged.
method.For background extraction algorithms,they include means method,statistical
mean value method,Single Gaussian Model and Gaussian Mixture Model.For shadow elimination algorithms,.they include the method based on HSV color space,the method based on invariants of the color characteristics and the method based on texture features. At the sanle time,the paper analyzes the advantages and disadvantages of the above algorithms through experimental simulation.