基于图像处理的交通事件检测关键算法研究

摘 要：

近年来，随着人们对道路交通需求的增加，智能交通系统已经成为研究热点。为实现智能化、实时自动检测并发现并及时处置交通事件，确保道路交通正常有序，人们设计了各种各样的智能交通系统。 这些智能交通系统得到了越来越广泛的应用，运动车辆的实时跟踪监测及时其中一项重要的课题【1】。

在算法研究方面，本文从系统的角度来实现车辆信息的提取，围绕车辆检测和跟踪算法，将系统分为：图像获取，背景更新，图像标定，车辆检测，车辆跟踪，和事件分析。主要研究了图像标定、车辆检测、车辆跟踪三大部分。

图像标定：在获得原始监控数据以后，利用特定的新算法去除运动阴影，然后检测并提取前景目标，并根据目标的灰度、边缘、纹理等特征对运动目标进一步分割。

车辆检测：当图像中的运动目标从背景中提取出来以后，通过特定的图像分割算法，最后以斑块的形式表现在二值图像上。车辆检测包括对斑块的分析，斑块的聚类和新车辆的触发三个部分，在这一步中，提取车流量和车型信息，为判断交通拥堵提供必要条件。

车辆跟踪：利用车辆在图像坐标和世界坐标中的位置信息和颜色信息，采用Kalman滤波对每一辆车进行预测分析，完成对不同车道中的不同车辆进行同时跟踪分析。提取车辆的运动轨迹信息，为判断交通是否拥堵提供必要条件。

通过实验，确定每个模块的最终算法。而仿真结果表明，该算法能适应不同道路的需求，车辆信息提取基本达到实时，且拥堵情况，车辆运行方向，碰撞等能得到正确的判定并能直观的显示出来。

最后给出相关算法的Matlab实现，并完成程序。并附上一个图像检测的小例子。论文还对存在的问题进行了总结并对视频检测的前景进行了展望。

关键词： 数字图像处理，交通事件检测 ，图像分割，卡尔曼滤波

ABSTRACT

....

KEY WORDS：Digital image processing, traffic incident detection, image segmentation, the Kalman filter

目 录

摘 要： II

ABSTRACT III

第一章  绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 2

1.2.1 基于静态图像中的目标检测 2

1.2.2 车辆信息提取在交通事件检测中应用的现状 3

1.2.3 目标检测技术在交通事件检测中应用的现状 4

1.3 课题研究的重点、难点 5

1.4 论文的主要工作和结构 5

1.4.1 论文的主要工作 5

1.4.2 论文的结构 5

1.5 本章小结 6

第二章    交通事件分类及检测方法 7

2.1 交通事件的分类 7

2.2 视频图像处理技术 9

2.3 本章小结 10

第三章  视频图像预处理 12

3.1 视频文件成帧算法 12

3.2 图像灰度化 12

3.3 图像二值化 14

3.4 图像的平滑滤波 14

3.5 图像的形态学操作 16

3.6 本章小结 18

第四章 交通事件检测关键算法 19

4.1 前景分离与标记 19

4.2 基于连通域的车辆撞击检测算法 20

4.2.1 车辆撞击算法概述 20

4.2.2 车辆撞击检测算法流程图 21

4.3 基于车流量的交通拥堵检测算法 22

4.3.1 车流量检测算法概述 23

4.3.2 车流量检测流程图 23

4.3.3 基于车流量的交通拥堵判定 24

4.4 基于质心跟踪的车辆逆行检测 24

4.4.1 车辆运行方向算法概述 25

4.4.2 车辆运行方向流程图 25

4.4.3 车辆运行方向判断 27

第五章 视频检测系统的设计 28

5.1 系统总体设计 28

5.1.1 界面设计 28

5.1.2 视频播放子系统 28

5.1.3 图像处理子系统 29

5.2 算法总体框架 35

5.3 运行结果及分析 35

5.3.1 车辆撞击检测 36

5.3.2 交通拥堵监测 37

5.3.3 车辆逆行检测 38

5.4 本章小结 40

第六章 结论与展望 41

6.1 全文总结 41

6.2 研究展望 41

致谢: 43

参考文献： 44

附录： 附1

附件： 附6