网站原创摘 要：本文采用行时空图、色度方差分析法、高斯滤波等方法分别实现了背景获取、背景更新及目标识别,最终实现公交车客流统计计数.通过实际构建的ARM+DSP双核嵌入式系统对算法进行实际测试表明,该算法大大提高了客流计数实时性,使其准确性可高达97%以上.
关 键 词：交通信息工程；行时空图；目标识别；统计计数
一、引言
目前国外由于公交客流量小、乘客上车有序、红外设备无遮挡计数,从而公交车客流计数环境较为简单,客流计数算法易于实现；而国内公交客流量相对较大,乘客上车较为拥挤,为给实现乘客的自动计数带来了很大的困难[1].本文采用基于机器视觉的自动检测技术实现,针对以上情况在研究相关视频检测算法论文的基础上,采用基于行时空图的检测算法,最终可实现高效、准确的客流计数.
| 有关论文范文主题研究: | 关于大学学报的论文例文 | 大学生适用: | 电大毕业论文、学年论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 46 | 写作解决问题: | 如何写 |
| 毕业论文开题报告: | 论文提纲、论文题目 | 职称论文适用: | 杂志投稿、中级职称 |
| 所属大学生专业类别: | 如何写 | 论文题目推荐度: | 优秀选题 |
二、算法详细介绍
本文选择了一种基于色度方差判决自适应背景更新的行背景差法[2],并对其进行相应的改进.使用指在行背景差法是在图像中设置一条边界线,只针对该边界线上的像素进行处理,从而提高处理时效性.该算法主要分为以下几个部分：背景获取,运动块识别,目标统计,下面对其进行详细介绍.
1.背景获取
在图像中间位置的附近一行作为计数边界线,然后在时间轴上将其展开生成行时空图.即当摄像头每秒的帧率为fs时,每隔t等于1/fs时段在图像中提取预先设置行的图像数据并生成行时空图.采用动态行时空图的方法,根据公交车门打开时间动态生成行时空图.现检测设公交车在某一车站打开车门的时间为T,根据每隔t等于1/fs采集一行的原则,共采集行为N等于T/t,最终得到M*N的行时空图,如图3.1所示.
图3.1目标时空图
2.运动块识别
由于在公交车沿线运行时环境复杂,如果使用单一背景必然会导致误差增加,因此本文采用了一种基于色度分量Cr（i,j,t0）方差分析的自适应背景更新算法,从而加强算法对于环境的适应性,同时根据色度分量方差分析识别运动目标[3].
图3.2运动块识别流程图图3.3运动目标提取过程图
3.目标统计
为避免运动目标比较紧凑不好分割或行时空图将一个运动块分为多个,文献[4]等文章中均使用了膨胀腐蚀的方法.针对国内公交乘客上下车拥挤状态而言,本文提出采用投影法对目标进行统计,统计每行上的非白色像素点的个数,做出投影的统计图,然后用高斯函数对统计图进行平滑,对平滑后的统计图统计波峰的个数,波峰的个数即目标个数.
图3.4目标统计图
四、算法测试
本文在分析了大量客流计数算法的基础上,搭建了ARM+DSP的双核嵌入式公交客流计数系统,在此基础上对基于机器视觉的公交车客流计数算法进行测试.本文采用公交车乘客上下车视频作为算法处理的视频源,最终可计算发出乘客上下车人数.在系统中根据经验值将N值设置为20,在30组实验中该系统时效性、稳定性都符合实际要求,算法误检率不超过3%.
表4.1不同算法检测结果比较