智能交通事件檢測技術(shù)_第1頁
智能交通事件檢測技術(shù)_第2頁
智能交通事件檢測技術(shù)_第3頁
智能交通事件檢測技術(shù)_第4頁
智能交通事件檢測技術(shù)_第5頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

智能交通事件檢測技術(shù)

目前,中國的道路安全運(yùn)營處于樂觀狀態(tài)。頻頻發(fā)生的交通事故和逐漸惡化的交通環(huán)境,給國家和人民生命財(cái)產(chǎn)造成巨大損失,嚴(yán)重破壞了公路的基本服務(wù)職能。為保證道路的安全、暢通,預(yù)防或減少交通事故帶來的損失,及時有效地進(jìn)行交通事故救援和處理,有效減少由交通事故產(chǎn)生的交通延誤及避免二次事故的發(fā)生,必須準(zhǔn)確、快速地對交通異常和交通事件進(jìn)行檢測。交通事件自動檢測(AID)技術(shù)可分為間接檢測方法和直接檢測方法兩大類。絕大多數(shù)的AID方法都屬于前一種,其原理是根據(jù)交通流的變化間接判斷交通事件的存在。一般做法是通過設(shè)置在公路上的交通檢測器(環(huán)形線圈或超聲波檢測器)動態(tài)采集各路段的交通數(shù)據(jù),由此推斷可能發(fā)生的交通事件。直接檢測方法是一種使用圖像處理技術(shù)來發(fā)現(xiàn)車輛行駛異常的方法。從潛在意義上看,這類方法在檢測速度和可靠度方面遠(yuǎn)遠(yuǎn)勝于間接檢測方法,是交通事件自動檢測系統(tǒng)的發(fā)展方向。本文基于計(jì)算機(jī)視覺技術(shù)與數(shù)字圖像處理技術(shù),結(jié)合當(dāng)前我國高速公路交通監(jiān)控所需和已有監(jiān)控設(shè)施,對基于視頻圖像的交通事件檢測進(jìn)行研究、開發(fā)。1視頻交通事件檢測系統(tǒng)自20世紀(jì)90年代中期以來,美、英、日本等國開始研究基于圖像處理的事件快速自動檢測系統(tǒng),模擬人工判別交通異常的方法來實(shí)現(xiàn)事件的直接快速檢測。該方法檢測率高,檢測時間短(幾十秒),能識別事件類型,并適應(yīng)不同的交通流狀況,是事件自動檢測系統(tǒng)的發(fā)展方向。目前,國外已有一些相關(guān)產(chǎn)品投入實(shí)際應(yīng)用,如美國的Autoscope視頻檢測系統(tǒng)、VideoTrak-900系統(tǒng),比利時的VIP系列視頻檢測系統(tǒng)等,取得了很好的效果。視頻交通事件檢測系統(tǒng)是一個集圖像處理系統(tǒng)、交通事件檢測與分析及信息管理系統(tǒng)于一體的綜合系統(tǒng)。其基本原理是利用計(jì)算機(jī)視覺技術(shù)與數(shù)字圖像處理技術(shù),處理道路上交通監(jiān)控的實(shí)時視頻圖像信息,實(shí)現(xiàn)在高速公路背景下運(yùn)動車輛自動檢測、運(yùn)動狀態(tài)預(yù)測、車輛自動跟蹤和交通事件檢測等目標(biāo),從而自動快速檢測車輛避障、車道變換、超速、慢速、停止、交通阻塞等事件及進(jìn)行交通流量、占有率、排隊(duì)長度、車型、平均車速等交通參數(shù)的統(tǒng)計(jì),并自動記錄相關(guān)數(shù)據(jù)。2交通事件識別功能視頻交通事件檢測系統(tǒng)的目標(biāo)是利用高速公路上已有電視監(jiān)控系統(tǒng)提供的圖像信息,通過圖像處理和交通狀況分析,完成交通事件的快速檢測。因此,系統(tǒng)需具備在雪、雨、低能見度、夜晚等不同環(huán)境下實(shí)現(xiàn)車輛停止、慢行、車道變換、車流擁擠等交通事件識別的功能,并能在交通異常時自動報(bào)警和作相應(yīng)處理。視頻交通事件檢測系統(tǒng)的基本工作流程是通過道路上監(jiān)控?cái)z像機(jī)將道路交通運(yùn)行狀況的視頻圖像捕捉下來,再將圖像實(shí)時送入計(jì)算機(jī)進(jìn)行處理和分析,得到交通運(yùn)營狀況等信息,通過對交通狀況的分析檢測出是否有交通異常事件。因此,視頻交通事件檢測系統(tǒng)可分解為運(yùn)動車輛的自動檢測、運(yùn)動車輛的自動跟蹤、基于圖像分析的事件檢測及發(fā)生意外事件時的自動報(bào)警和相應(yīng)處理等。系統(tǒng)框架和工作流程如圖1所示。3針對視頻交通事件的檢測系統(tǒng)的實(shí)現(xiàn)限于篇幅,本文側(cè)重對視頻交通事件檢測系統(tǒng)中視頻圖像處理、車輛檢測與跟蹤等關(guān)鍵功能模塊的實(shí)現(xiàn)進(jìn)行介紹。3.1道路環(huán)境信息獲取在系統(tǒng)正常工作前需進(jìn)行預(yù)處理,包括參數(shù)設(shè)定、背景獲取、車道線和虛擬檢測線及工作區(qū)域的設(shè)定等。背景獲取主要是將前景信息逐漸淡化,只留下道路本身;車道線為下一步確定事故位置提供基準(zhǔn);虛擬檢測線為車速檢測設(shè)定范圍;設(shè)定工作區(qū)域是為了提高計(jì)算速度,去除不必要區(qū)域的計(jì)算,同時屏蔽路邊花、草、樹木隨風(fēng)搖動對檢測精度的影響。1提取道路上的車輛如圖2(a)所示,一般正常情況下,道路上總是有車輛通行,因此,通過電視監(jiān)控系統(tǒng)在道路上獲得的視頻圖像中總會有運(yùn)行車輛存在。為了對道路上的交通運(yùn)行狀況視頻圖像進(jìn)行處理,首先需要對道路背景進(jìn)行提取,即消除道路上運(yùn)動的車輛[見圖2(b)]。背景獲取主要是采用對連續(xù)n幀圖像疊加取平均值的方法,將前景信息逐漸淡化而實(shí)現(xiàn)的。2車輛目標(biāo)圖像的差分處理為了從道路交通運(yùn)行視頻圖像中提取運(yùn)動的車輛目標(biāo),首先需要對當(dāng)前幀圖像和檢測區(qū)的背景圖像進(jìn)行差分處理,產(chǎn)生只有前景(運(yùn)動物體)的圖像(如圖3所示)。3.2車輛檢測的工作過程車輛檢測的目的是從連續(xù)的視頻圖像中提取車輛目標(biāo),為后續(xù)處理和事件檢測提供支持。車輛檢測的工作過程:首先進(jìn)行背景差分,將當(dāng)前幀圖像與背景圖像相減,提取前景信息;然后,采用圖面上連通區(qū)域檢測的方法,統(tǒng)計(jì)前景的每個連通區(qū)域,這些區(qū)域包括噪聲和所有的車輛目標(biāo);用形態(tài)濾波的方法去掉噪聲,剩下的全部都是車輛目標(biāo)。1圖像區(qū)域的確定通過當(dāng)前幀圖像與背景圖像之差而得到其運(yùn)動物體的差分圖像。系統(tǒng)通過將當(dāng)前幀圖像和參考背景進(jìn)行比較,確定亮度變化較大的區(qū)域,從而獲得關(guān)于運(yùn)動目標(biāo)區(qū)域的完整、精確的描述。由于視頻圖像處理對場景中光照條件、大面積運(yùn)動和噪聲較敏感,必須采用一定的算法進(jìn)行背景模型動態(tài)更新,以適應(yīng)環(huán)境的變化。2陰陽消除法:背景差分+數(shù)字影像內(nèi)容分析,并將分布差分適當(dāng)?shù)缆飞闲旭偟能囕v總會由于陽光和光線變化而產(chǎn)生陰影,對經(jīng)過背景差分的圖像需進(jìn)行陰影消除。系統(tǒng)通過對陰影與背景之間像素點(diǎn)亮度的比較實(shí)現(xiàn)圖像陰影的消除。3彩色差分圖像的轉(zhuǎn)換將經(jīng)過陰影消除的圖像進(jìn)行灰度處理,由彩色差分圖像轉(zhuǎn)化為黑白圖像進(jìn)行處理。處理方法:提取HSV三顏色分量的最大值,將該像素點(diǎn)的三色值取最大值。4泛使用的圖像分割技術(shù)將灰度圖像二值化,將256色的黑白圖像轉(zhuǎn)化為二值圖像。圖像閾值分割是一種廣泛使用的圖像分割技術(shù),它利用圖像中需提取的目標(biāo)與其背景在灰度特性上的差異,把圖像視為具有不同灰度級的兩類區(qū)域目標(biāo)(背景與目標(biāo)),選取一個合適的閾值,以確定圖像中的每個像素點(diǎn)是屬于目標(biāo)還是背景區(qū)域,從而產(chǎn)生相應(yīng)的二值圖像。5清除二值圖像中的噪聲由于攝像機(jī)的抖動或環(huán)境的影響,所獲得的視頻圖像會有一些輕微噪聲。若噪聲過大,會被當(dāng)作一個運(yùn)動目標(biāo),并且如果噪聲點(diǎn)過多,也會干擾結(jié)果的識別。因此,必須去除二值圖像中的噪聲。本系統(tǒng)采用中值濾波的方法消除噪聲。6車輛形態(tài)濾波系統(tǒng)差分閾值處理過程中,有時由于車身顏色跟路面顏色非常接近,造成車輛目標(biāo)圖像斷裂而不連續(xù),需將誤把車窗當(dāng)作陰影消除而造成車輛分裂的部分填充起來。本系統(tǒng)采用數(shù)學(xué)形態(tài)學(xué)的原理進(jìn)行形態(tài)濾波。數(shù)學(xué)形態(tài)學(xué)包括腐蝕、膨脹、開啟和閉合等基本形態(tài)學(xué)運(yùn)算。系統(tǒng)采用一次膨脹和一次腐蝕對消除噪聲后的圖像進(jìn)行形態(tài)濾波。3.3車輛軌跡跟蹤其目的是對檢測出來的車輛目標(biāo)進(jìn)行識別跟蹤,對分割的車輛進(jìn)行合并,對粘在一起的車輛進(jìn)行分割,并對每輛車建立跟蹤軌跡。本系統(tǒng)利用卡爾曼濾波跟蹤車輛的軌跡,在此基礎(chǔ)上進(jìn)行車輛變換車道的統(tǒng)計(jì)和利用隱馬爾可夫鏈進(jìn)行碰撞預(yù)測。車輛跟蹤涉及聯(lián)通區(qū)域標(biāo)記、矩形提取、車輛合并及目標(biāo)跟蹤等。1掃描區(qū)域標(biāo)記通過對二值檢測圖像從左到右、從上到下進(jìn)行掃描,將所有灰度值相關(guān)的車輛目標(biāo)區(qū)域標(biāo)記成相應(yīng)的值,然后根據(jù)不同的標(biāo)記值區(qū)分不同的連通區(qū)域。2矩形提取系統(tǒng)采用最小外接矩形的方法,用矩形目標(biāo)代替連通區(qū)域。3同一輛車的合并圖像二值化時,閾值選擇過小會產(chǎn)生很大的噪聲干擾,嚴(yán)重影響檢測結(jié)果;閾值選擇偏大會造成車輛分裂,導(dǎo)致將車窗或車輛自身陰影誤當(dāng)作背景(非前景目標(biāo))。因此,需將分割的同一輛車的不同部分合并。本系統(tǒng)根據(jù)分割的各矩形塊之間的距離和相互關(guān)系,將原本屬于同一輛車的2塊或者幾塊合并在一起,實(shí)現(xiàn)車輛的合并。4非線性均方誤差系統(tǒng)采用卡爾曼濾波進(jìn)行車輛運(yùn)動目標(biāo)的跟蹤。卡爾曼濾波由一個狀態(tài)方程和一個量測方程組成,是一套線性無偏最小均方誤差的遞推公式。卡爾曼濾波不要求保存過去的測量數(shù)據(jù),測得新數(shù)據(jù)后,根據(jù)新數(shù)據(jù)和前一時刻數(shù)據(jù)的估計(jì)值,借助系統(tǒng)本身的狀態(tài)轉(zhuǎn)移方程(即動態(tài)方程),按照遞推公式即可算出新數(shù)據(jù)估計(jì)值。系統(tǒng)根據(jù)這一估計(jì)值尋找最相近的匹配目標(biāo),并不斷進(jìn)行修正,從而得到車輛運(yùn)行軌跡。3.4交通事件識別在車輛檢測與跟蹤的基礎(chǔ)上,可實(shí)現(xiàn)車輛停止、慢行、車道變換次數(shù)和車流擁擠等交通事件識別功能,從而自動檢測車輛避障、車道變換、超速、慢速、停止和交通阻塞等事件,并得出交通流量、占有率、排隊(duì)長度、車型和平均車速等交通參數(shù)。3.5系統(tǒng)測試環(huán)境基于以上研究,進(jìn)行軟件系統(tǒng)開發(fā),并通過現(xiàn)場交通視頻信息采集,對軟件系統(tǒng)進(jìn)行調(diào)試,對系統(tǒng)功能和模型、算法進(jìn)行測試?,F(xiàn)場數(shù)據(jù)驗(yàn)證了系統(tǒng)的正確性,達(dá)到了預(yù)期的研究目標(biāo)。4交通事件快速檢測系統(tǒng)基于圖像處理的交通事件快速自動檢測是智能交通系統(tǒng)中的重要組成部分和關(guān)鍵技術(shù)。本研究結(jié)合國內(nèi)公路交通現(xiàn)狀,利用公路電視監(jiān)控系統(tǒng)提供的圖像信息,采用計(jì)算機(jī)圖像識別與處理技術(shù),建立交通事件快速檢測系統(tǒng),為異常和突發(fā)事件的快速反應(yīng)提供先進(jìn)手段。該系統(tǒng)能有效克服傳統(tǒng)事件檢測系統(tǒng)用交通量、速度、占有率變化來檢測事件

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論