原文传递
基于区域特征的电动自行车流量检测算法的研究与应用
| 论文题名： | 基于区域特征的电动自行车流量检测算法的研究与应用 |
| 关键词： | 电动自行车;流量检测;系统设计;混合高斯模型算法 |
| 摘要： | 随着现代化建设的推进，以及计算机硬件和软件技术的发展，智能交通得到了越来越多地应用，通过先进的视频处理技术来实现对城市道路交通环境的智能化管理，可以使城市道路变得更规范和更有秩序。而电动自行车作为城市交通工具的重要组成部分，因为其具有便宜和便捷的优点，被人们大量使用。然而电动自行车行驶的不规范性也给道路交通管理带来了很多问题，研究并寻找一种能切实有效地检测和统计电动自行车车流量的算法变得越来越重要。 运动目标检测作为视频处理的基础技术之一，是进行车流量统计的前提。目前运动目标检测算法从空间水平可以分为基于像素的和基于区域的，基于像素的运动目标检测对单个像素进行处理，较为容易出现噪点;基于区域特征的运动目标检测算法则考虑到了用相邻像素信息来改善检测结果。本文提出了两种基于区域的运动目标检测算法，并用来进行电动自行车的实时检测。在此基础上，研究并实现了一种基于整个车道和交集校正的电动自行车流量统计算法。 本文研究的内容主要包括如下几点: (1)首先分析了Hu矩算法的原理，并提出了一种基于Hu矩相似度的混合高斯模型检测算法，分析了用该算法进行电动自行车检测的可行性。同时，分析了ssim算法的原理，并提出了ssim混合高斯模型算法，再分析了用其来进行电动自行车检测的可行性。实验结果表明，直接用Hu矩相似度和直接用ssim都能很好地检测出电动自行车，同样地，用Hu矩相似度指示器的混合高斯模型算法和ssim混合高斯模型算法也能检测电动自行车，并提高了对场景变化的适应能力。 (2)其次，实现了一种基于整个车道和交集校正的电动自行车流量统计算法，并分别结合基于Hu矩相似度的混合高斯模型算法和ssim混合高斯模型算法来进行电动自行车的流量统计。实验结果表明基于Hu矩相似度的混合高斯模型算法和ssim的混合高斯模型算法的检测正确率和计数正确率都在95％以上。 (3)最后，开发了一套电动自行车流量统计应用软件系统，系统采用C#语言开发，并应用CUDA的GPU加速技术和CPU并行加速等方式对本文提出的算法进行了工程优化，使统计的精度和实时性均达到了实际应用要求。 |
| 作者： | 沈应龙 |
| 专业： | 信息处理与通信网络系统 |
| 导师： | 刘运毅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广西大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
