由于城市交通拥塞现象及交通事故的日趋严重,交通监控系统的开发近年来引起了广泛的关注。正确的交通信息是进行交通监控的基础,因此交通信息数据的准确与否影响着对交通的管理和控制。交通监控系统可采用多种检测方法来实时地估计交通参数,基于图像处理技术的视频检测以其安装简单、成本较低、检测范围大和信息丰富等优点而逐步取代传统的检测方法。 本论文介绍了一种基于计算机视觉原理和数字图像处理技术的实时交通监控检测系统。通过单个CCD摄像机采集交通视频图像,经过图像采集卡进行A/D转换,形成计算机可以处理的数字图像数据,并且对图像进行滤波平滑、去除噪声和图像锐化等预处理,然后对预处理后的图像进行处理分析,得到一些交通信息参数如车辆速度和交通流量等,为交通控制提供有效的依据。 在交通参数信息采集过程中,需要在实际道路坐标系和图像坐标系之间建立一个视觉模型。本文研究了摄像机模型的标定方法,采用了通过一台摄像机平行移动来模拟两个摄像机的标定方法,达到标定系统参数的目的。针对交通监控中的车辆检测,采用基于背景图像差分检测方法进行车辆运动的实时检测,首先选择背景图像和设定投影线,然后通过车尾定位检测出车辆的运动,进而计算出车辆速度和交通流量等信息。并且利用了背景图像的动态更新方法来提高车辆运动检测的准确性。交通流量是一种重要的交通参数,因此交通流量的预测对于交通管理就显得比较有意义。本文将神经网络技术应用于交通流量的预测研究,提出了基于BP神经网络的交通流量的预测方法。 在论文的最后对整个论文的工作进行了总结,并对所存在的问题进行了讨论。