智能交通视频流监控系统软件项目投资立项报告可研报告.doc文档11页在线下载
1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。
部分内容简介受噪声影响,且耗时太多很难满足实时性要求。
背景差分法。
分为固定背景法和实时更新背景法。
固定背景法。
选取背景图像,其它图像与其差分,得到的差分图像再进行图像分割,常用的是设定个阈值对其不同灰度分割,得到车辆目标。
缺点是,当背景整体发生变化时,差分图像中目标物之外的部分灰度值偏大,不利于阈值设定。
实时背景法。
和固定背景法样,也是通过两幅图像做差分得到的图像进行处理。
不同的是,这里实时更新背景,用相邻或者相近的两帧图像差分,然后也是对得到的差分图像的灰度进行运算,从而得到目标物,以及目标物实时的变化情况。
优点是,实时更新背景,因此对环境的光线变化不敏感,即不受环境光照等环境的影响。
基于角点的车辆识别。
原理为如果点向任方向小小偏移都会引起灰度的很大变化,则说明该点是角点。
优点是该方法不受摄像机姿态及光照的影响,检测精度很高,并且,因为只对图像中些特殊点进行运算,不需要对整幅图像运算,所以在对车型的精确检测中实时性较好。
连续帧间差分法。
用图像序列中的连续两帧进行差分,然后二值化该灰度图像来提取运动信息。
优点是它只对运动的物体敏感,实际上它只是检测出相对运动的物体,而且因为两帧图像的时间帧中目标物的位置,然后对目标物的特征比如角点特征边缘特征颜色特征等进行匹配识别,达到跟踪目的。
基于方向和方向灰度极值变化的方法。
对帧差分图像进行分析,多个目标时求出方向和方向上的多个极值的位置和该峰值区间即为目标物的位置和大小范围。
此方法优点是算法简单,但对目标位置的定位不够精确,并且需要对非目标物的误检测进行有效过滤。
基于目标物运动方向预测的估算。
优点运算速度快,实时性较强。
三拟采用的方法车速流量统计流程图如图所示。
图车速流量统计流程图说明由视频流读入图像后,对图像的预处理采用中值滤波,有效消除噪声。
对多辆车辆的实时更新背景,与当前帧图像作差分运算,得到帧差图像。
然后用改进的区域生长识别多个目标,并通过标记这些目标进行计数。
多个目标跟踪,结合运动趋势预测的方法对目标位置进行跟踪。
多车辆的车速检测,对每个车辆的车速进行估计,然后对当前监控区域的所有车辆车速计算均值并输出。
压黄线检测流程图如图所示。
图压黄线检测流程图说明由视频流读入图像后,对图像的预处理采用中值滤波,有效消除噪声。
对多辆车辆的实时更新背景,与当前帧图像作差分运算,得到帧差图像。
然后用改进的区域生长识别多个目标,并对每个目标定位。
定位方法拟采取重心法。
对黄线的识别采用变换法,该方法擅长检测不连续的边缘像素点,抗干扰性较强。
对车辆目标和黄线的相对位置进行定位,判断车辆是否压黄线。
违章停车检测流程图如图所示。
图违章停车检测流程图说明由视频流读入图像后,对图像的预处理采用中值滤波,有效消除噪声。
对多辆车辆的实时更新背景,与当前帧图像作差分运算,得到帧差图像。
然后用改进的区域生长识别多个目标,并对每个目标定位。
定位方法拟采取车辆的边缘检测法。
当检测到车辆目标出现后,对目标进行跟踪,通过相邻帧差分检测目标物运动或静止,如果静止则判定违章停车。
逆行检测流程图如图所示。
图逆行检测流程图说明由视频流读入图像后,对图像的预处理采用中值滤波,有效消除噪声。
对多辆车辆的实时更新背景,与当前帧图像作差分运算,得到帧差图像。
然后用改进的区域生长识别多个目标,并对每个目标定位。
定位方法拟采取车辆的边缘检测法。
当检测到车辆目标出现后,对目标进行跟踪。
这里跟踪只需要确定目标的运动方向或趋势,不需要测速。
如果车辆目标运动方向与预设的方向不同,则判定违规。
四主要功能模块为了保证系统性能,并增加软件的重用性,程序中图像处理的相关部分大致划分如下功能模块进行实现读入图像和预处理。
车辆的识别和计数。
黄线识别。
目标物跟踪。
速度统计。
运动趋势方向判断。
绝对位置的判定。
结果信号的输出模块。
这些模块的算法蕴含在前面拟采用的方法中。
不过,有些算法在实施时可能需要改选别的算法,也可能需要进步改进。
智能交通视频流监控系统软件可行性报告总述系统基本要求利用进行程序设计,主要实现以下目标通过对视频流中的车辆进行跟踪检测,统计车道流量和平均车速。
在视频流中锁定逆行车辆,并给出抓拍信号。
在视频流中确定违规停车车辆,并进行锁定,同时给出抓拍信号。
通过对视频流中的车辆进行跟踪检测,当车轮压过黄线的时候能够识别出来,并给出抓拍信号。
软件结构分析从系统的基本要求出发,软件结构如图所示。
图系统结构框图相关技术通过分析,相关技术主要包括基于图像处理的以下技术车辆目标的识别技术。
车辆目标的提取技术。
车辆目标的定位技术。
多目标物的检测技术。
多目标物的跟踪技术。
下面分别对这些技术进行分析。
二研究现状车辆目标识别技术光流法。
利用帧间图像中同像素关于时间的变化来获得智能交通视频流监控系统交通参数检测子系统交通违章检测子系统违章停车检测模块逆行检测模块压黄线检测模块车流量检测模块车速检测模块运动参数。
首先,从图像序列的灰度变化阶和二阶导数中计算速度场。
然后利用些约束条件从速度场中推测出运动参数和物体的结构。
缺点是由于光流法是假设物体表面光滑变化,所以易受噪声影响,且耗时太多很难满足实时性要求。
背景差分法。
分为固定背景法和实时更新背景法。
固定背景法。
选取背景图像,其它图像与其差分,得到的差分图像再进行图像分割,常用的是设定个阈值对其不同灰度分割,得到车辆目标。
缺点是,当背景整体发生变化时,差分图像中目标物之外的部分灰度值偏大,不利于阈值设定。
实时背景法。
和固定背景法样,也是通过两幅图像做差分得到的图像进行处理。
不同的是,这里实时更新背景,用相邻或者相近的两帧图像差分,然后也是对得到的差分图像的灰度进行运算,从而得到目标物,以及目标物实时的变化情况。
优点是,实时更新背景,因此对环境的光线变化不敏感,即不受环境光照等环境的影响。
基于角点的车辆识别。
原理为如果点向任方向小小偏移都会引起灰度的很大变化,则说明该点是角点。
优点是该方法不受摄像机姿态及光照的影响,检测精度很高,并且,因为只对图像中些特殊点进行运算,不需要对整幅图像运算,所以在对车型的精确检测中实时性较好。
连续帧间差分法。
用图像序列中的连续两帧进行差分,然后二值化该灰度图像来提取运动信息。
优点是它只对运动的物体敏感,实际上它只是检测出相对运动的物体,而且因为两帧图像的时间间隔较短,差分图像受光线变化的影响小。
但是两帧间物体重叠部分不能检测出来,即只检测出物体的部分其次,检测出的物体在两帧中的位置信息不够准确,容易把当前帧显露出来上帧中被目标覆盖的背景区域即显露背景也检测出来,造成检测的不准确。
二次差分法。
重复做两次连续帧间差分法。
这种方法克服了连续帧间差分法的缺点。
车辆目标提取技术腐蚀膨胀开运算闭运算。
边界分割。
通分为固定背景法和实时更新背景法。
背景差分法。
部分内容简介边缘特征颜色特征等进行匹配识别,达到跟踪目的。
优点是它只对运动的物体敏感,实际上它只是检测出相对运动的物体,而且因为两帧图像的时间帧中目标物的位置,然后对目标物的特征比如角点特征于角点的车辆识别。
原理为如果点向任方向小小偏移都会引起灰度的很大变化,则说明该点是角点用图像序,不需要对整幅图像运算,所以在对车型的精确检测中实时性较好。
连续帧间差分法。
对帧差分图像进行分析,多个目标时求出方向和方向上的多个极值的位置和该峰值区间即为目标物的。
位置和大小范围。
此方法优点是算法简单,但对目标位置的定位不够精确,并且需要对非目标物的误检测进行有效过滤。
基于目标物运动方向预测的估算。
优点运算速度快,实时性较强。
三拟采用的方法车速流量统计流程图如图所示。
图车速流量统计流程图说明由视频流读入图像后,固定背景法样,也是通过两幅图像做差分得到的图像进行处理。
分为固定背景法和实时更新背景法。
固定背景法。
选取背景图像,其它图像与其差分,得到的差分图像再进行图像分割,常用的是设定个阈值对其不同灰度分割,得到车辆目标。
