基于视频的车辆排队长度检测技术分析

《基于视频的车辆排队长度检测技术分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、五邑大学硕士学位论文影响到高速公路和城市道路监控系统的整体运行和管理水平。我国是一个交通大国，铁路、公路分布越来越广，车辆的数量及其种类也越来越多，实现道路枢纽的自动化管理迫在眉睫。在智能交通系统中，路口的车流参数可以为很多情况提供必要的信息，如交通阻塞及交通事故的监控、交通信号灯的控制等，其中交通路口车辆的排队长度是车流参数中最重要的一个。随着人们对交通智能化的要求不断提高，基于视频的车辆排队长度的检测越来越受到人们的重视。因此，基于视频的车辆排队长度检测技术研究对提高我国道路交通的智能化、自动化水平，促进智能交通系统的发展具有

2、重大而现实的意义。1．2国内外研究状况1．2．1交通视频检测技术研究现状随着计算机处理能力的不断增强和人工智能的日益发展，视频检测技术在交通中的应用也越来越广泛，交通视频检测技术已成为计算机视觉技术应用的一项重要课题。交通视频检测技术的研究可以追溯到20世纪70年代。1978年，美国加州帕萨迪纳市的喷气推进实验室首先提出了运用机器视觉来进行车辆的检测的方法，指出其是传统检测方法的一种可行的替代方案。1991年，美国加州理工大学对在高速公路上运用视频方法的检测技术进行了评估，在评估报告中对当时采用的不同的视频车辆检测技术进行了详尽地

3、分类。1994年明尼苏达运输部为美国联邦公路局进行了更详尽严格的测评，结果表明视频检测器的检测准确性和可靠性可以达到令人满意的程度。同时随着视频车辆检测技术的发展，美国联邦公路局进一步利用此技术来提取交通参数，如交通流量，十字路口的车辆转向信息等【‘丌。近年来，世界各国都相继将研究重点投入这一领域。许多研究组在这一领域做出了突出的贡献。英国Reading大学在利用3．D模型匹配跟踪、识别车辆方面做了很多工作。美国康奈尔大学计算机系DanielHuttenlocher教授领导的研究组在航空图像目标检测和跟踪项目中应用了局部运动估计和

4、图像的仿射变换，将图像中不同于镜头运动的区域分割出来，在随后的图像序列中，实现了一个自适应的基于模型的跟踪器。另外，英国纽卡斯尔大学的交通运输研究小组利用立体视觉进行车辆分类，美国俄亥俄州立大学利用高分辨率卫星照片进行检测和识别车辆的研究，瑞典Wallenberg的信息技术和自动化2第一章绪论实验室也有利用航空图像进行车辆检测和分类的研究工作。随着视频检测技术的日益发展，世界各国在这一领域都取得了显著的成果，出现了成型的商业化产品，比较著名的有美国ISS公司的AUTOSCOPE系统is]、比利时路畅通公司的TRAFICON系统【9

5、】和美国ITERIS公司的VANTAGE系统【10】等。我国关于交通视频检测技术的研究滞后于国外，但也有不少公司做出了自己的产品，如成都深港监控技术有限公司的SGS100视频交通数据检测仪，深圳市哈工大交通电子技术有限公司的VTD2000系列交通信息采集设备，亚洲视觉公司的路段交通信息系统，清华紫光的视频交通流量检测系统VS3001，深圳神州交通系统有限公司开发的VideoTrace系统，厦门恒深智能软件系统有限公司开发的HeadSunSmartViewer-ll视频交通检测器等。这些系统还没有得到广泛的应用，其稳定性、鲁棒性和实

6、用性需要更多的实践检验。1．2．2基于视频的车辆排队长度检测技术研究现状近年来，国内外许多学者对基于视频的车辆排队长度检测进行了大量的研究。该参数的分析涉及到运动目标跟踪、模式识别、网络技术等领域，难点很多，要做到完全自动化很难，特别是视频图像处理和识别是相当尖端的科技，世界各国的学者为此做了大量的工作，也取得了不少的成果。文献[111在1991年提出了一种基于FFT的交通监控及队列检测的方法，该方法依据检测区域在图像中有车和无车对应频谱的不同，来检测公路上是否存在车辆，从而检测出车辆排队长度。文献[12，13]提出了通过图像帧差

7、和交通量检测宏观分析方法来检测车辆的运动和静止状态，并进一步确定车辆的排队。此方法不需判别和跟踪单个车辆，只需给出交通场景中运动和静止交通车辆空间分布的定性描述。此方法应用在伦敦学院开发的IMPACTS交通监视控制系统中，排队检测正确率达96％。文献[14】提出了基于排队状态、排队长度、占有周期和占有率的检测方法。此方法在由轮廓围成的小区域上应用图像帧差方法。每一个轮廓仅有一个象素宽并且沿车道的中心线延伸。排队检测时，首先确定轮廓区有没有运动，然后基于边缘的车辆检测算法检测车辆是否出现，如果车辆一旦出现且没有运动，则可确定为排队状

8、况，沿轮廓以一定的间隔来检测车辆，得到用时间表示的排队长度函数关系式的值，即排队长度。占有周期和占有率同样可根据排队长度表达式的值计算出来。五邑大学硕士学位论文文献[15]提出了一种基于图像局部特征的路口车辆排队长度的检测方法，通过融合图像的点特征