基于DM642的视频交通流量检测系统研究幻灯片.ppt

基于DM642的视频交通流量检测系统研究 * 基于DM642的视频交通流量检测系统研究 * 徐宏伟 导师：宫宁生 教授 * 基于DM642的视频交通流量检测系统研究 * 驾乘人员自主选择最省时的线路 交通管理人员指挥、疏导交通 实时、准确的 路况信息 * 基于DM642的视频交通流量检测系统研究 * 电台播报 短信查询 电话语音 网络查询 即时路况查询 制定交通发展政策 * 基于DM642的视频交通流量检测系统研究 * 车流量、车速等数据 现场图片 畅通/拥堵及信息 综合采用现代图像处理技术， 解决了一系列应用技术难题 工程现场图片 车辆大灯灯光压制 道路占用率 对云台运动的自适应技术 * 基于DM642的视频交通流量检测系统研究 * 车流量、车速等数据 记者、听众反馈信息 电话语音、短信等 路况信息、图片、行车路线等 超媒体信息发布中心 管理权限分配 用户管理 上下行短信记录 路况信息录入 地图标注 实时路况信息服务系统 建立、维护 * 基于DM642的视频交通流量检测系统研究 * 超媒体信息 发布中心 来自服务器、嵌入式 系统的交通信息 交广网已有的数字地图 观看现场即时交通图片 获得实时路况，根据交通 实时信息选择交通路线 以广播、电视、网络、短信等 方式发布路况、图片信息 疏解交通、节省时间、节省能源、减少排放 * 基于DM642的视频交通流量检测系统研究 * 本系统已在苏州交警支队试运行。 图1系统安装及运行效果图 * 基于DM642的视频交通流量检测系统研究 * 随着社会的发展，交通问题越来越严重。 加快道路建设来缓解交通压力。 发展智能化交通系统。 交通流量信息采集是交通集成化控制和管理中最基本的工作，也是对交通路网快速、合理、有效运行和控制的最重要环节之一。 * 基于DM642的视频交通流量检测系统研究 * 图像处理方法 ◆ 灰度直方图 ◆ 图像的形态学处理 ◆ 图像的阈值分割 BP神经网络 ◆ BP神经网络模型 ◆ BP神经网络学习算法 DSP技术介绍 ◆ DSP技术及芯片简介 ◆ TMS320DM642 * 基于DM642的视频交通流量检测系统研究 * 在目前虚拟线车辆检测算法中，存在镜头转动导致虚拟检测线重新设定的问题。 基于BP神经网络的检测区域自动标定方法，为检测区域的背景提取和更新奠定了基础。 * 基于DM642的视频交通流量检测系统研究 * (a)识别道路的视频图像 (b)积累帧差二值图像 (c)BP神经网络识别后的车道线图 (d)相邻右车道线和左车道线取中值 * 基于DM642的视频交通流量检测系统研究 * (e)自动设定的检测区域 图2 检测区域自动标定过程及结果 ◆ 从上图可以直观地看出，实验提取出的车道线与实际道路线基本吻合，并且获取的车道检测区域能满足检测要求。 * 基于DM642的视频交通流量检测系统研究 * (a)保持10帧 (b)保持14帧 (c)保持78帧 (d)无车 (e)有车 (f)开始计数 图3 道路背景提取过程 * 基于DM642的视频交通流量检测系统研究 * (a)背景更新启动 (b)无车临时背景帧 (c)有车第5帧 (d)有车第10帧 (e)无车第5帧 (f)更新后的道路背景 图4 道路背景更新过程 ◆ 道路背景是基于帧差法车辆检测的基础。本文采用的统计帧数打分的道路背景提取和无车状态帧匹配的道路背景更新算法，这为后续车流和车速检测提供了保障。 * 基于DM642的视频交通流量检测系统研究 * YUV色彩空间 ◆ YUV是欧洲电视系统所采用的一种颜色编码方法(属于PAL)，是SECAM模拟彩色电视制式采用的颜色空间。 ◆ 采用YUV色彩空间的重要性是它的亮度信号Y和色差信号U、V是分离的。 * 基于DM642的视频交通流量检测系统研究 * 车辆检测过程 ◆ 车辆存在性判断 ◆ 车辆状态判断 ◆ 车辆计数 图5 基于YUV的决策树车辆存在检测流程 * 基于DM642的视频交通流量检测系统研究 * 图6 车辆计数有限自动机模型 ◆ 由图5、6可以清晰理解本文车辆检测的过程。 * 基于DM642的视频交通流量检测系统研究 * ◆ 车速检测思想 ◆ 检测带的设定 ◆ 多检测块的计算 ◆ 车速的计算 V = s * 3.6 * 25 / F 图7 测速检测带示意图 车速检测 * 基于DM642的视频交通流量检测系统研究 * 系统的功能框图 图8 DM642系统功能框图 * 基于DM642的视频交通流量检测系统研究 * 系统电源模块 图9 系统电源模块 ◆ 使用TPS