智能視頻監(jiān)控中的車流量統(tǒng)計系統(tǒng)的研究與實現(xiàn).pdf

1、近年來,隨著計算機視覺技術的快速發(fā)展,智能視頻處理技術被更多地應用到實際生活中。基于視頻監(jiān)控的智能交通系統(tǒng)是當前計算機視覺技術的熱門研究領域。它可以分析視頻圖像數(shù)據(jù)獲取有關道路車流狀況的實時信息。本文針對智能交通監(jiān)控系統(tǒng)中車輛目標檢測和車輛目標跟蹤算法進行了深入的研究,提出了基于AdaBoost分類器判別的視頻車輛自動檢測方法和基于Lucas-Kanade金字塔光流算法的車輛跟蹤方法。
　　道路交通監(jiān)控系統(tǒng)為了能對車輛進行管制和約

2、束,攝像頭的安裝視角都能清楚地看到行駛車輛的車牌區(qū)域。不同車輛在車型、顏色上有較大的差異,但是車牌區(qū)域的局部特征具有相似性。本文利用這一特點,提出了基于車牌信息的車輛檢測方法,通過離線學習訓練了檢測車牌區(qū)域的AdaBoost分類器。監(jiān)控視頻車輛自動檢測方法首先進行運動建模提取運動的感興趣區(qū)域,再使用AdaBoost分類器在感興趣區(qū)域內進行滑動檢測出車牌區(qū)域目標,最后用聚類的方法將車牌區(qū)域信息合并成為車輛目標位置信息。
　　車輛在行

3、駛過程中是剛性運動,這一特征符合光流特征匹配算法的約束條件。基于Lucas-Kanade金字塔光流算法的車輛跟蹤方法首先在車輛目標區(qū)域內選取一組特征點,使用金字塔光流算法求取這一組特征點在前后兩幀間的光流量,再使用匹配誤差判別條件和正方向錯誤檢測法排除了誤差大的特征點,從而得到了目標的運動矢量。對連續(xù)的視頻序列進行跟蹤處理獲得車輛目標的運動軌跡。
　　本文對車輛檢測跟蹤算法得到的車輛運動軌跡進行了分析,利用車輛的運動特性進行誤差校