基于視頻圖像處理的車輛檢測與車流量統(tǒng)計(jì)平臺的設(shè)計(jì)實(shí)現(xiàn).pdf

1、在社會經(jīng)濟(jì)高速發(fā)展的今天，車輛數(shù)目急劇增長，交通擁堵等問題日益嚴(yán)重。20世紀(jì)90年代初期，智能交通系統(tǒng)(Intelligent Transportation System，ITS)的研究給交通運(yùn)輸領(lǐng)域帶來了新的契機(jī)。本文以交通監(jiān)控視頻為研究對象，重點(diǎn)研究車輛檢測與車流量統(tǒng)計(jì)算法，提出了一種基于馬爾科夫隨機(jī)場模型的運(yùn)動車輛檢測算法，采用 Visual Studio2008開發(fā)環(huán)境，基于OpenCV的視頻處理完成了車輛目標(biāo)的檢測和提取，搭建

2、了完整的車流量統(tǒng)計(jì)平臺，實(shí)現(xiàn)了車流量的智能統(tǒng)計(jì)并且正確率較高。論文的關(guān)鍵內(nèi)容如下:
　　1、車輛檢測的視頻圖像預(yù)處理方法:主要包括圖像的灰度化、二值化以及去噪，特別是在圖像的去噪方面，先對交通視頻圖像分別添加了高斯噪聲或椒鹽噪聲，然后分別采用均值濾波、高斯濾波和中值濾波進(jìn)行去噪處理，為接下來的車輛目標(biāo)的檢測和分割做好準(zhǔn)備。
　　2、提出馬爾科夫隨機(jī)場模型的運(yùn)動車輛檢測算法:對現(xiàn)有的幾類車輛提取方式的優(yōu)缺點(diǎn)進(jìn)行了分析并比較了幀

3、差法、背景差分法和光流法等幾種基于視頻的檢測算法，提出一種基于馬爾科夫隨機(jī)場模型的車輛檢測方法。該檢測算法精確度較高，分割后的圖像上的車輛信息丟失情況較少，可以得到較完整的車輛目標(biāo)輪廓并且保留更多的細(xì)節(jié)信息，能夠清晰地將背景與目標(biāo)區(qū)分開，有效的解決了道路車輛圖像的低性噪比和弱邊界等問題，較好的實(shí)現(xiàn)了車輛檢測。
　　3、設(shè)計(jì)實(shí)現(xiàn)了基于OpenCV的智能車流量統(tǒng)計(jì)平臺:采用OpenCV函數(shù)庫在Visual Studio2008平臺上實(shí)