基于机器视觉的车流量检测算法研究和DSP实现.pdf

独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得云洼王些太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名:’汰签字日期:幻r配年;月j日学位论文版权使用授权书本学位论文作者完全了解云洼王些太堂有关保留、使用学位论文的规定。特授权云洼王些太堂可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向困家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:\1罗厅签字日期:细如年j月f日导师签名:槲签字同期:仞,争年?月歹日学位论文的主要创新点f㈣燃一、提出了适合DSP嵌入式平台的多车道车流量检测算法。该算法运用高斯混合模型在虚拟检测区域进行背景建模,然后通过背景差法提取运动目标,创新性地运用运动目标区域宽度和面积与各自阂值的比较来检测车辆是否存在,并结合车辆驶入、经过、离开检测区域的状态需要的视频帧数进行车流量统计。该算法弥补了复杂算法在DSP平台上难以实现和现有适合DSP平台算法应用场合单一的不足。该算法在城市快速路、城市十字路口能准确地进行车流量检测,在实现多个车道车流量检测的同时,具有数据量小、实时性好的特点。摘要智能交通系统(ITS)是目前各国交通运输部门竞相研究和开发的热点,而车流量检测是智能交通系统的主要研究领域。目前大多数的车流量检测算法主要是在计算机平台进行仿真,移植到DSP嵌入式平台尚有实时性不足或难以实现等问题,所以提出适合在DSP嵌入式平台运行的可靠的车流量检测算法具有较大的现实意义和应用价值。本文的主要工作包括以下几个方面。,研究了运动目标提取的方法,对车辆阴影去除进行了探讨,提出适合DSP嵌入式平台的多车道车流量检测算法。该算法运用高斯混合模型在虚拟检测区域进行背景建模,然后通过背景差法提取车辆信息,并结合运动目标宽度阈值和面积阈值进行多车道的车流量统计。,选择达芬奇DM6437的视频开发板作为硬件开发平台,然后基于DSP/BIOS实时操作系统进行了设备驱动与车流量检测软件的总体设计,并将车流量检测软件分成视频采集显示模块和车流量检测算法模块两个部分。视频采集显示模块完成了视频的采集显示功能。,实现了多车道车流量检测算法。该算法首先在交通道路的视频图像中设定覆盖所有需要检测的车道的虚拟检测区域,并根据车道线划分车道;然后在虚拟检测区域内进行高斯背景建模,运用背景差分运算提取运动目标:采用形态学运算对视频进行处理,使车辆自身联通为单一的目标区域,降低目标区域的空洞对车辆检测的影响;最后,通过运动目标区域宽度和面积与各自阈值的比较来检测车辆是否存在,并结合车辆驶入、经过、离开检测区域的状态需要的视频帧数进行车流量统计。本文所提出的算法,在DM6437平台实现,并且对城市快速路、城市十字路口在雨雪、多云、晴朗天气情况下的视频样本进行测试。经过实验验证,该算法在DM6437嵌入式平台下满足实时性的要求,车辆检测准确率达90%。关键词:车流量检测,DM6437,高斯混合模型,智能交通系统AbstractIntelligentTransportationSystems(ITS)isahotinthefieldoftransportationresearchanddevelopmentofeverycountry,,andthereal·,andstudiesthemethodsofmovingobjectextra