基于视频检测的行人交通参数提取研究大学本科毕业论文Word文档格式.docx
《基于视频检测的行人交通参数提取研究大学本科毕业论文Word文档格式.docx》由会员分享，可在线阅读，更多相关《基于视频检测的行人交通参数提取研究大学本科毕业论文Word文档格式.docx（67页珍藏版）》请在冰豆网上搜索。
UDC：
密级：
公开
北京交通大学
学位论文
作者姓名：
学号：
导师姓名：
职称：
学位类别：
工学学位级别：
硕士
学科专业：
交通运输规划与管理研究方向：
城市交通规划与管理
2018年8月
中文摘要
摘要：
目前交通监控的主要方式是两种：
人工观察；
摄像机记录，人工统计。
这两种方式都需要投入大量的人力和物力资源，并且人工统计的准确性有限，可能会出现疏漏，对异常情况不能及时做出反应。
为此需要建立一种不需人工干预、或者只需要很少人工操作的智能交通管理系统，通过安装在固定位置的摄像机拍摄视频，实现对目标的定位、识别和跟踪及交通参数的提取和分析，并在此基础上进一步实现目标（例如行人、车辆等）行为的分析与判断。
目前，针对车辆的目标检测、跟踪、识别研究已经比较成熟，但针对行人的目标检测、跟踪、识别研究则相对滞后，而且具体情况异常复杂，例如行人为非刚体，在视频中的面积小，行动较为随机，速度并不连贯，而且行人之间的间距有可能较小，这些都给相关技术造成了很大的挑战。
本文对上述难点进行了研究，通过提取交叉口的行人流量、速度、步行方向等参数，给行人的交通管理与控制以及仿真系统模拟现实提供基础数据。
本文的主要研究内容包括：
（1）分析了智能交通监控视频中的降质因素，并研究了各种噪声的数学模型，针对交通视频中最常见的椒盐噪声和高斯噪声实现了经典滤波算法的去噪，并设计了一种改进算法，将加入图像像素点是否为噪声的判决预处理，只针对可能为噪声点的区域进行去噪，而对于非噪声点不进行去噪，更好地保持了图像的细节信息。
（2）对于行人检测和识别问题，针对各种具体难点设计了具体的解决方案和步骤。
比较了常用目标检测算法，并根据交叉口智能交通监控视频的特点选用了合适的行人检测算法。
由于检测算法可能造成区域的不完整和空洞，采用形态学操作对行人目标区域的断裂区域实现连接，并对目标区域内的空洞进行填充。
对可能存在噪声的区域采用区域面积统计的方法计算面积，并去除小面积的噪声斑块。
对阴影采用几何形状的方法予以去除。
对交叉路口复杂环境中的各种运动目标进行建模，并总结了行人目标的特点，实现了基于视频检测的行人目标识别。
（3）实现了交通视频中交叉口行人目标的跟踪。
通过对摄像机视场的标定，完成了摄像机空间拍摄的视频数字图像中的坐标到实际物理世界空间坐标系的映射换算，提取了包括行人目标的质心、位移、速度、加速度和流量等交通参数，为仿真系统模拟现实提供实际状况提供了翔实的基础数据。
综上所述，本文的研究成果能够为仿真系统模拟现实提供实际状况，并分析所在路口的交通状况，为交通管理与控制提供依据。
关键词：
交通参数提取；
行人检测；
行人识别；
行人跟踪；
视场标定
ABSTRACT
ABSTRACT:
Currently,mostmonitoringoftrafficsceneismainlyachievedthroughmanualsupervisorycontrolorartificialobservationofvideoaftertheevent.Thesemethodsneedalotofmanpower,materialresources;
furthermore,omissionsmayoccurabnormalsituationscan’tberespondedduetothelimitationofhuman'
senergyandattention.Thusthereisneedtoestablishintelligenttrafficmanagementsystemthatiswithouthumaninterventionorrequiresverylittlemanualoperation.Inthesystem,installingcamerasarefixedtocapturevideotoachievetargetslocation,identificationandtracking.Behaviorofgoals（suchaspedestrians,vehicles,etc.）areanalyzedandjudgedbasedonthetrafficparametersthatareanalyzedandextracted.
Themethodsofvehicledetection,trackingandrecognitionhavebeenproposedandachievedsomefruitsandcontributions,however,pedestriandetection,trackingandrecognitionisrelativelylaggingbehind.Besides,thespecificsituationofpedestrianismuchmorecomplex.Thepedestrianareainthevideoissmall;
theactionofpedestrianisrandom;
thespeedofpedestrianisnotconsistent;
andthespacingbetweenthepedestriansmaybeverysmall.Theaboveproblemsposeagreatthreatontechnologicalrealization.Therefore,itisrequiredtosearchandsolvethedifficultiesofparametersextracting,includingtheamountofpedestrianonintersectionoftraffic,speed,directionandotherparametersimportanttrafficdatawhichareimportanttothesimulationsystemthatcansimulatetheactualstateofreality.
Themaincontentsofthispaperinclude:
（1）Thelowerqualityfactorsoftheintelligenttrafficsurveillancevideowereanalyzedandvariousnoisemodelsaresummarizes.Themostcommonnoiseinintelligenttrafficvideo,salt&
peppernoiseandGaussiannoise,werereducedbyclassicalfilteringalgorithms.Animprovedalgorithmwasproposedinwhichtheimagepixelswillbepre-judgedasnoiseornon-noise.Onlypossiblepixelsintheregionofnoisewerefilteredwhilenon-noisepixelswerenotfiltered,thustheimagedetailswereremainedbetter.
（2）Forpedestriandetectionandidentification,specificsolutionsandspecificstepsweredevelopedtosolvethedifficulties.Thecommonlyalgorithmsusedfortargetdetectionwerecomparedandsuitablepedestriandetectionalgorithmwasselectedaccordingtothecharacteristicsintelligenttrafficintersectionsurveillancevideo.Thedetectedregionofpedestriansisoftenincompleteandhasemptyregions,morphologicaloperationswereemployedonthepedestrianregiontoconnectthefractureofthetargetareaandfilltheholesinthetargetregion.Smallnoisepatchesthatmayexistinregionofpedestrianswereremovedbyareacalculation.Theshadowofpedestrianwasremovedbygeometric-basedmethod.Variousmovingobjectmodelsinthecomplexenvironmentofintersectionwereestablishedandthecharacteristicsofpedestriangoalsweresummarizedtoachievevideo-basedpedestriandetectionandrecognition.
（3）Pedestriantrackingalgorithminintelligenttrafficvideointersectionswasrealized.Throughcalibrationofthecamerafield,thecameraspaceofdigitalimagecoordinatesinvideowasmappedtotheactualphysicalworldspacecoordinate.Alotofimportanttrafficparameterswereextracted,includingcenterofpedestriantarget,displacement,walkingspeed,walkingacceleration,flowrateofpedestriantrafficandsoon.Thevaluabletrafficinformationanddataareimportantforthesimulationsystemtoproviderealisticsimulationoftheactualsituation.
Inconclusion,theresultsandconclusionsofthisresearchprojectcanprovidepracticalsimulationsystemwiththerealtrafficsituationwhichanalyzesthetrafficsituationinthejunctionofthetransportationsystem.Besides,itprovidesthebasisforcomprehensivemanagementandmaintenance.Thus,thispaperisnotonlyofgreattheoreticalsignificance,butalsohasextensiveapplicationvalue.
KEYWORDS：
Trafficparameterextraction;
pedestriandetection;
pedestrianrecognition;
pedestriantracking;
fieldcalibration
目录
中文摘要v
ABSTRACTvi
1绪论10
1.1研究背景和意义10
1.2智能交通系统概况11
1.3国内外研究现状12
1.4主要研究内容和论文框架13
2交通图像预处理15
2.1视频图像降质模型15
2.2常用的滤波去噪模型16
2.2.1空间域滤波器16
2.2.2频率域滤波器17
2.3去噪实验及分析18
2.3.1椒盐噪声18
2.3.2高斯噪声22
2.4本章小结26
3基于视频检测的行人检测与识别27
3.1常用检测算法27
3.1.1背景消除法27
3.1.2光流场法28
3.1.3帧间差分法29
3.2本文行人检测方法30
3.3区域处理32
3.3.1形态学概述32
3.3.2连接断裂区域33
3.3.3空洞填充34
3.4噪声区域抑制35
3.4.1噪声斑块去除35
3.4.2阴影去除38
3.5基于视频检测的行人识别算法41
3.5.1运动目标特征建模41
3.5.2行人运动目标判断准则42
3.6本章小结44
4行人跟踪与交通参数提取46
4.1常用跟踪算法46
4.1.1基于特征的跟踪46
4.1.2基于3D模型的跟踪46
4.1.3基于活动轮廓的跟踪47
4.1.4基于区域的跟踪47
4.2本文交叉口行人的跟踪48
4.2.1MeanShift概述48
4.2.2基于MeanShift的行人跟踪49
4.3摄像机视场的标定和转换50
4.3.1标定原理50
4.3.2本文的标定方法51
4.3.3标定过程与结果52
4.4交通参数提取55
4.4.1质心55
4.4.2位移56
4.4.3步行速度56
4.4.4加速度57
4.4.5流量58
4.5本章小结60
5总结与展望61
参考文献63
作者简历66
独创性声明67
学位论文数据集68
1绪论
1.1研究背景和意义
我国的交通事业经过了几十年的快速发展，已取得了突飞猛进的进步。
但随着快速发展给人们生活带来极大便利的同时，也引起了各种安全隐患。
例如交通事故发生率逐年上升，交通拥挤现象也成为大城市亟待解决的交通问题。
交叉路口是交通事故和交通堵塞的频发地带，因此需要对交叉路口实现交通视频的监控，避免和减少事故和堵塞的发生。
目前对高速路出入口、事故多发路口、停车场、住宅小区出入口等交通场景监控的主要方式是通过安排专人监看。
不仅需要耗费大量的人力和物力资源，并且由于人工的方式准确度是有限的，可能会出现在高强度工作环境下发生错误，从而不能对特殊情况及时做出反应。
为了解决这些问题，在一些交通场景中也使用了摄像机进行录像，事后再采用人工观察的手段来进行统计，但是这种做法仍然需要大量的人工辅助工作，同样无法对特殊情况做出实时的应对。
目前，监测的手段大部分是使用环形线圈传感器来对交通的情况进行监测，但这种传感器只能监测机动车的交通量、速度等信息，获得的信息非常有限，无法分析和识别目标的行为，并且无法对非机动车进行有效的监测。
除此以外这种线圈的安装和维护有其自身的缺点，比如在桥梁、立交桥上不能埋设，维修需要开挖路面等等，安装和检修的代价太大，因此具有很大的局限性。
智能交通视觉监控的技术主要采用数字图像处理技术和计算机视觉技术来共同建立一个完整的智能交通管理系统。
此系统不需要人工干预、或者只需要很少的人工操作，通过安装在固定位置的摄像机拍摄的视频，实现对目标的定位、识别和跟踪及交通参数的分析，并在此基础上进一步实现目标（例如行人、车辆等）行为的分析和判断，并对目标行为给出合理的语义描述，做到既能完成日常管理，又能在发生紧急情况时做出及时反应，从而提供了一种准确性、适应性更好的监控方案。
智能交通系统中的交通检测和信息采集技术已经成为视觉技术应用的两个重要课题。
当前，智能交通系统是计算机视觉的一个重要研究方向。
与传统方法相比，智能交通系统具有成本低、性能好、功能多等优点。
基于视频检测的交叉口行人交通参数提取技术是智能交通系统的技术之一，也是智能交通系统中的重要应用。
对行人的检测、识别、跟踪，并对具体的交通参数进行提取，例如行人的流量、步行速度、方向等，这些参数将成为交通数据统计的重要依据，因此具有重要的实用价值。
由于基于视频的交叉口行人检测、跟踪的复杂性，该技术仍处在起步阶段，需要不断的研究并加以改进。
本论文针对行人检测、识别、跟踪中一些关键问题进行了探索和研究，提出了新的方法，这些关键技术可以有效地提高行人检测与跟踪的性能，提高所提取的交通参数的准确性。
1.2智能交通系统
世界各国城市化的发展和车辆家庭化的普及，使事故发生率上升和拥挤现象成为亟待解决的交通问题。
为了解决该问题，美国、西欧和日本等发达国家先后投入了大量的人力、物力，在智能交通系统（IntelligentTransportSystems，简称ITS）的研究上取得了一定的成果。
ITS将先进、快速、准确的计算机技术、数据通讯传输技术、信息技术、电子技术、自动控制技术等进行整合，综合运用到整个交通运输体系中，在车辆、道路、使用者三者之间建立了紧密的联系，实现交通运输管理的智能化。
通过各种先进的设备和手段实时采集和处理交通信息，对突发的交通状况进行协调和处理，建立起实时、高效。
准确的综合交通运输管理体系，充分利用先进的交通设施，更大程度的提高交通效率和安全，最终使得交通运输服务质量和管理水平进一步提升，实现交通运输管理的集约式发展。
ITS研究始于欧洲1986年的高效安全欧洲交通计划（PROMETHEUS）和美国的智能车辆与道路系统（IVHS，1992年）。
该系统的最初目的是实现对建成的道路网功能扩展，实现车辆管理的智能化。
随着其他领域技术的不断发展，PROMETHEUS和IVHS的研究逐渐发展为整个ITS的研究。
为了减少交通拥挤，改善交通环境，世界各国投入大量的物力和人力加紧研究，以争取在未来竞争的ITS市场中占据一席之地。
欧洲作为最早开展ITS研究的地区，早在70年代就开始智能交通方面的研究，2000年欧共体推出了一项e-Europe的计划，目的是投入更多的人力和物力推进ITS在欧洲的发展；
日本开始是从道路的智能控制研究起步，70年代就己经成功研制了许多道路控制系统。
当前，日本的ITS研究的主要领域包括：
自动收费系统、车辆导航系统以及安全驾驶系统等。
经过近几年的发展，欧美和日本在ITS研究和ITS系统开发上都处于领先地位。
中国经济20世纪90年代以后步入了高速发展时期，导致交通需求越来越高，车辆和道路的供需矛盾越来越大，智能交通系统在我国的实施开展是大势所趋。
虽然智能交通系统的研究在我国仍然处于起步阶段，但ITS作为新的经济增长点和作为解决交通供需矛盾的主要手段已得到相关部门的高度重视。
1.3国内外研究现状
将道路系统和车辆作为紧密相关的一个整体去考虑，是当前ITS研究的基本思想，因此，智能车辆系统IMS（IntelligentVehicleSystem）成为智能交通系统ITS的一个重要组成部分。
美国的ITS项目开发分为7类，其中的自动高速公路系统AHS（AutomatedHighwaySystem）、先进的驾驶员信息系统ADIS（AdvancedDriverInformationSystem）、先进车辆控制系统AVCS（AdvancedVehicleControlSystem）都是紧紧围绕车辆进行。
各个国家不断发展和完善ITS体系，加强了智能车辆系统的研发，经过近几年的发展，欧美和日本在智能车辆方面的研究和发展处于世界领先地位，一些地区已经实现了成熟的智能车辆控制系统。
在实际生活中，交通使用者通过直接的观察可以得到90%左右的交通信息，例如车辆基本状况、交通信号灯、交通标志牌、车道线、道路基本状况、道路标记、障碍物等。
因此，可以考虑应用视觉技术来识别道路环境。
基于视觉技术的智能车辆研究始于60年代末，由于需要实时图像处理的数据量非常大，而当时计算机的运算能力有限，只有少数几个研究组能够从事这方面的研究。
随着计算机技术的不断发展，目前的计算机硬件水平达到了实时图像处理的要求。
一方面，计算机硬件的价格不断下降，体积不断变小，性能有了大幅度的提高；
另一方面，CCD（ChargeCoupledDevice）摄像头的价格便宜，体积小，图像处理算法有准确性高和适应能力强等特点。
因此视觉技术在智能交通系统中有广阔的应用前景。
目前国内外对基于视频图像处理的运动目标检测和跟踪研究有很多，有一批很有应用价值的文献和一些成型的系统[1]。
国内如西安交通大学的图像处理与识别研究所、华中理工大学的图像识别与人工智能研究所，他们的研究重点放在运动目标的检测上。
清华大学的图形图像研究所、中科院自动化所模式识别国家重点实验室以及上海交通大学的图像处理与模式识别研究所则主要是针对运动跟踪中的轮廓跟踪算法进行了深入的研究。
但是国内的研究主要停留在理论方面，还没有出现比较大型的并应用于实际的成型系统。
国外的研究重点在于在应用中的理论研究，如卡内基梅隆大学和Sarnoff公司联合开发的视频监控系统VASM（VideoSurveillanceAndMonitoring）系统[2]，该系统的目的是为了改进自动视频识别技术，它通过用户的操作可以监视复杂的场景，如城市市中心或战场；
美国马里兰州大学和IBM公司联合开发的实时视频监控系统W4[3],该系统能够将形状分析和跟踪技术相结合，对人的外观进行模型构建。
该系统可以在复杂的环境下检测到人群并实现跟踪；
美国麻省理工学院开发的Pfinder[4]系统实现了人的三维描述，能够在复杂的室内环境
升级会员 