智能交通中视频车辆检测技术研究

分类号学号M200972144学校代码10487密级硕士学位论文智能交通中视频车辆检测技术研究学位申请人：陈琳学科专业：模式识别与智能系统指导教师：汪国有教授答辩日期：2012年1月12日AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringResearchonVideoVehicleDetectionTechnologyinIntelligentTransportSystemCandidate：ChenLinMajor：PatternRecognitionandIntelligentSystemSupervisor：ProfessorWangGuoyouHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaJanuary,2012独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在_____年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日本论文属于华中科技大学硕士学位论文I摘要智能交通视频监控系统，是利用图像处理技术分析视频图像，包括车辆检测、车辆跟踪和车牌识别三大处理模块。其中，视频车辆检测是智能交通监控系统的关键之一，其主要任务是分割出视频图像中的运动车辆。车辆检测作为视频测速、车辆行为分析和车牌识别等功能的前提，其重要性可想而知，而基于背景差分的车辆检测方法，由于具有算法简单、计算量小和不容易产生空洞等优点，得到了广泛的应用。目前，大多数算法都是研究白天条件下的视频图像，而针对夜间视频图像的车辆检测算法相对较少，这是因为夜间场景比白天场景更为复杂，增加了路灯和其它光源的照射变化、车灯强光和路面反光等干扰因素。因此，针对白天和夜晚交通视频，本文分别采用不同的视频车辆检测算法，能够在昼夜环境条件下，实时、准确的分割出车辆区域。本文从视频车辆检测的四个步骤：视频图像预处理、背景建模与更新、前景检测和粘连车辆区域分割，依次进行了介绍，本文的主要工作如下：（1）针对白天交通视频，对视频序列进行均值降采样预处理后，用混合高斯模型进行背景建模与更新，通过对彩色空间和灰度梯度空间背景差分的结果进行融合，得到日间车辆检测的前景图像。（2）针对夜间交通视频，采用均值降采样、灰度转换和对数拉伸对视频帧序列进行预处理，在时间轴上设置一定大小的滑动窗口，并对滑动窗口中的灰度梯度域视频帧序列进行中值滤波，得到背景梯度图，最后在梯度域上进行背景差分得到前景图像。（3）前景图像经过形态学滤波、连通区域分析后，采用Freeman链码判断车辆区域是否粘连，运用Graham扫描法检测凸包，实现粘连车辆区域分割。（4）采用HSV彩色空间快速转换公式，实现了基于视频的红绿灯颜色状态识别功能。基于上述工作实现的车辆检测系统，经过白天和夜晚交通视频样本的测试，能够实时、准确的分割出车辆区域，并具有基于视频的交通灯颜色识别、闯红灯违章抓拍和车流量统计功能。关键词：视频车辆检测背景重建粘连分割红绿灯状态检测华中科技大学硕士学位论文IIAbstractIntelligenttrafficvideomonitoringsystem(ITVMS),usingimageprocessingtechnologytoanalysevideoimages,includingvehicledetection,vehicletrackingandlicenseplaterecognitionthreeprocessingmodules.Amongthem,vehicledetectionisoneofthekeytechnologiesofITVMS,whosemaintaskistosegmentvehiclesfromvideoimages.Asthepremiseofvehiclespeeddetection,vehiclebehavioranalysis,licenseplaterecognitionandotherfunctions,itsimportanceisobvious.Vehicledetectionbasedonthebackgroundsubstractionhasbeenwidelyusedsinceitssimplealgorithmsanditwillnotproducehollow.Currently,mostofalgorithmsresearchundertheconditionofvideoimagesduringtheday,whilealgorithmsofvehicledetectionarerelativelyless,thisisbecausethenightenvironmentisnotonlybasedonthecomplexityofdaytimeenvironment,butincreasesmorecomplexfactorssuchasstreetlampsandotherlights’illuminationchange,stronglamplight,pavementreflectionandsoon.Therefore,thispaperaimstousedifferentvehicledetectionalgorithmsfordayandnightenvironment,whichcanreal-timeandaccuratelysegmentvehiclesundercircadianconditions.Thepaperintroducesfourstepsofthevehicledetectionprocessinturn:videoimagespreprocessing,backgroundmodelingandupdating,foregrounddetectionandadhesionsegmentation,thispapermainlyasfollows:（1）Forthedaytimetrafficvideo,firstlywetakeadvantageofthemeandropsamplingforpretreatment,thenusethegaussianmixturemodelforbackgroundmodelingandupdating,weobtainforegroundimagesthroughtheintegrationofresultsofcolorspaceandgrayscalegradientspacebackgroundsubtraction.（2）Forthenighttimetrafficvideo,weusemeandropsampling,grayleveltransformationandlogarithmstretchingforpretreatment,thensetacertainsizeofslidingwindowInthetimeaxis,andusemedianfilteringmethodongradientvideoimagesforbackgroundmodelingandupdating,finallyobtainforegroundimagesthroughthegrayscalegradientspacebackgroundsubtraction.华中科技大学硕士学位论文III（3）Aftermorphologicalfilteringandconnectedregionanalyzing,wejudgewhethervehicleareasarestickedornotthroughtheFreemanchaincodeinforegroundimages,thenuseGrahamscanningmethodtodetectconvexhulls,realizethesegmentationofadhesionvehicleareas.（4）Completedthetrafficlightcolorrecognitionalgorithminvideoimages,whichisbasedonthefasttransformationformulaofHSVcolorspace.Wefinishavehicledetectionsystembasedontheabovework,throughthetestingsamplesofdayandnighttrafficvideos,whichcanreal-timeandaccuratelysegmentvehicleareas,andhavetrafficlightcolorrecognition,redlightviolationcaptureandvehicleflowstatisticsfunctions.Keywords:VideovehicledetectionBackgroundconstructionAdhesionsegmentationTrafficlightdetection华中科技大学硕士学位论文IV目录摘要............................................................................................................................IABSTRACT................................................................................................................II1绪论1.1选题的背景与意义..............................................................................................(1)1.2国内外研究现状..................................................................................................(2)1.3本文研究内容......................................................................................................(3)1.4本文组织结构......................................................................................................(4)2视频图像预处理技术2.1颜色空间模型......................................................................................................(5)2.2夜间图像增强