基于MeanShift跟蹤算法的交通流檢測系統(tǒng)研究.pdf

1、當今世界經(jīng)濟發(fā)展迅速，人們生活水平逐漸提高，嚴峻的交通問題也伴隨而來。不論在國外還是在國內，交通擁擠、交通阻塞已經(jīng)成為影響城市居民正常生活的關鍵因素。為了改善交通環(huán)境問題，國家政府投資興修道路，加快基礎交通建設，但收效甚微。近些年來，隨著計算機技術的提高智能交通技術逐漸嶄露頭角，為惡劣的交通環(huán)境的治理帶來了曙光。智能交通系統(tǒng)已經(jīng)在一些發(fā)達國家得到了廣泛使用，并且收到了良好的效果，從而成為了目前解決交通環(huán)境問題的最佳方案。
　　

2、智能交通系統(tǒng)主要通過分析接收到的交通流檢測系統(tǒng)反饋的實時交通信息，來做出合理的調度策略，優(yōu)化交通環(huán)境。交通流檢測系統(tǒng)是智能交通系統(tǒng)中關鍵的環(huán)節(jié)，它直接決定了智能交通系統(tǒng)最終的調度策略。因此，本文致力于仔細研究交通流檢測系統(tǒng)，調研分析該系統(tǒng)中使用的關鍵技術，努力提高其效率，為交通流檢測技術和智能交通技術的實現(xiàn)積累經(jīng)驗。
　　 交通流檢測系統(tǒng)大體可分為五個部分：視頻采集、背景提取、車輛檢測、車輛跟蹤、交通流參數(shù)檢測，本文對這五部分做

3、了詳細的介紹，并分析比較了各部分中常用的技術方法。
　　 第二章主要介紹了背景提取技術、車輛檢測技術、車輛跟蹤技術等交通流檢測系統(tǒng)中的關鍵技術，并給出了部分技術的具體實現(xiàn)流程和實際使用效果。
　　 第三章首先簡單描述了傳統(tǒng)均值濾波背景提取技術的算法流程，并通過實驗分析了其優(yōu)缺點。傳統(tǒng)均值濾波背景提取算法簡單易用，但在處理車流量較大的視頻流圖像時算法的效果很差。鑒于此本文提出了一種改進的均值濾波背景提取算法，該算法對視頻流

4、圖像按照一定的準則進行篩選，從而只統(tǒng)計被判定為背景的圖像，最后對它們疊加求均值得到背景圖像。在對改進算法的試驗中可以看出，該算法克服了傳統(tǒng)算法的缺點，能夠較好的適應車流量大的情況。
　　 第四章對Mean Shift跟蹤算法做了詳細研究，分析了該算法的優(yōu)缺點及其在交通流檢測系統(tǒng)中應用的可能性。在目標跟蹤領域Mean Shift跟蹤算法以其無參性和強魯棒性越來越受到研究人員的重視，但是傳統(tǒng)的Mean Shift跟蹤算法計算復雜度高

5、，難以實現(xiàn)交通流檢測系統(tǒng)中多目標實時跟蹤的需求。因此本文提出了一種基于線性預測的Mean Shift跟蹤算法，該算法在原有算法的基礎上通過線性預測技術使其運行效率提高了一倍。針對傳統(tǒng)Mean Shift跟蹤算法核帶寬不變的缺點，本文還提出了一種核帶寬自適應更新機制，它利用交通車輛的色彩信息判定車輛的當前行駛狀態(tài)，實驗結果比較理想。
　　 最后給出了交通流檢測系統(tǒng)的軟件設計，在軟件設計中綜合使用了當前的主流技術和文章中提出的新方法