資源描述：
《基于視頻的交通參數(shù)采集系統(tǒng)的研究與實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、Y79G778分類號：—～密級：——單位代碼：一19§12學(xué)號：一2Q蝗2119西北大學(xué)碩士學(xué)位論文題目：叁士墊塑鮑塞亟叁邀盎塞墨絲煎疊壅墨塞墊指導(dǎo)教瓶周塑壘專業(yè)技術(shù)職務(wù)墼撞學(xué)科(專業(yè))鹽簋扭塹鮭魚堡逾答辯日期200班學(xué)位授予日期二零零五年五月基于視頻的交通參數(shù)采集系統(tǒng)的研究與實現(xiàn)摘要隨著城市化速度的加快，機動車日益普及，人們在享受機動車所帶來的巨大便利的同時，也面臨著交通擁擠的困惑。然而直接地去修建更多的路橋卻根本趕不上車輛的發(fā)展速度。在現(xiàn)有的條件下，提高交通控制和管理水平，合理使用現(xiàn)有交通設(shè)施，充分發(fā)揮其性能，是解決交通問題的有效方法之一。隨著計算機硬件技術(shù)和計算機視
2、覺技術(shù)的發(fā)展，基于計算機視覺的交通監(jiān)控系統(tǒng)成為可能?；谝曨l車輛的實時檢測和跟蹤是智能交通監(jiān)控系統(tǒng)的核心部分。目前存在的檢測和跟蹤技術(shù)在復(fù)雜場景下、大范圍、多目標的情況下，運動目標的分割和跟蹤的效果不是很理想，需要進一步改善。就此現(xiàn)狀，本文主要做了如下研究工作：采用了基于混合高斯分布的自適應(yīng)背景模型區(qū)分前景和背景，從而對前景運動目標進行捕捉，但是此方法忽略了相鄰像素的相關(guān)性，本文通過形態(tài)濾波的方法對其進行了改進。在跟蹤方面提出了以擴展卡爾曼濾波為基礎(chǔ)的跟蹤模型，對物體進行跟蹤。通過采用擴展卡爾曼濾波模型，減小了搜索范圍提高了搜索的精度和算法的效率。并使用彩色直方圖來對前后
3、幀之間對應(yīng)的目標區(qū)域圖像進行匹配。在交通參數(shù)測量方面，通過將屏幕坐標轉(zhuǎn)換為真實世界坐標，然后根據(jù)真實世界坐標，實現(xiàn)了對車速車型等數(shù)據(jù)進行測量。最終實現(xiàn)的系統(tǒng)，適用于大面積、多目標的復(fù)雜場景，能排除干擾，統(tǒng)計車流量、車速和簡單的車型分類，可應(yīng)用于高速公路和城市交通的管理中。關(guān)健詞：directshow、卡爾曼、捕捉、跟蹤、高斯分布基于視頻的交通參數(shù)采集系統(tǒng)的研究與實現(xiàn)AbstractWiththeaccelerationofurbanization，automobilebecamemoreandmorepopularandpeopleareenjoyingtheconven
4、iencethatoffer，howeverwearetrappedinthebewildermentoftra蕊econgestion．Howevertodirectlyconstructmorehighwaybridgescouldnottobeabletocatchupwiththedevelopmentspeedofthevehicles．Undertheexistingcondition．erlhancingtheleveloftransportationCOntr01andthemanagement，thereasonableuseexistingtraffi
5、cfacility,andfullydisplayingitsperformanceiStheeffectivemethodstosolvetransportationquestion．Alongwiththecomputerhardwaretechnologyandthecomputervisiontechnologydevelopment，acomputervision．basedtramcmonitoringsysternhasbecomepossible．Vehicledetectionandtrackingreal．timesystembasedonvideoi
6、Sthekeytotramcmonitoringsystem．Manypopularrelatedtechnologydidn’tmeetvaryrequirements．Therefore，anefficientandrobustdetectionandtrackingsystemisneededeagerly．Fortheseall，ourresearchiSmainlyinfollowing：Thisthesisusedtheauto·adaptedbackgroundmodelbasedonmixtureoftheGaussianstodistinguishfor
7、egroundobjectandthebackgrotmd，thuscarriedonthedetectiontotheforegroundmovementobject．Atthesametimeweproposethatwithmorphologyfilterweavoidtheshortcomingofignoretherelationshipbetweenthepixels，intrackaspectthisthesisusedtrackmodelbasedonexpandedkalmanfiltering，carrie
