基于云计算平台的物联网智能交通流监测系统
摘 要
随着城市规模的发展,传统的交通流参数计算方式已经无法满足大量视频数据的处理。云计算的出现使图像处理技术能够得到更好发展。本文首先介绍了云技术,建立了基于云计算的数字图像处理平台。同时提出一种具有一定自适应功能的基于Kalman滤波理论的背景预测与更新方法,从而提出云模式与交通流参数监测融合的数据处理技术,并对该架构下的交通流参数进行实验验证。
【关键词】云计算 云架构 图像处理 交通流
1 引言
随着我国交通运输行业的快速发展,给人们生活带来了巨大便捷的同时,由于汽车数量的增多,造成了交通的日益恶化,交通堵塞现象十分严重。为了有效缓解这种局面,在现有交通资源下,挖掘已布设在各道路环境中的监控摄像机资源,主动利用其提供的视频图像数据来感知道路交通流参数,实现交通检测的目的。
交通流监测系统是依据交通流流体理论的空间和时间离散化数学模型,将交通线路上的摄像头获取的车流图像建立相对应的二维模型。同时随着城市规模的发展,传统的交通流参数计算方式已经无法满足大量视频数据的处理。对于这一问题,我们提出将云计算的技术运用到交通流监测中,作为一种新的计算模式和共享云计算的架构方法,云计算在高性能计算和海量数据存储方面具有明显优势,云计算平台能将资源虚拟化,同时进行有效且动态的资源划分和分配。
2 基于视频的交通流参数检测
2.1 交通流参数的提取
图2为现有交通流分布图,车辆检测是视频交通监控系统的关键和基础,其中交通流目标提取算法分为背景建模、帧差和目标跟踪等计算。背景建模方法避免了帧差法前景区域提取不完整的问题,采用高斯混合模型相较于其他算法(Kalman滤波算法、平均法、选择更新法)能利用高斯模型更好地给出像素点分布,多模型防止前景点对背景点的建模干扰,消除背景规律性晃动。
运用数字图像处理的技术,对图像进行数字化、编码、图像增强、恢复、重建、分析,获取道路的坐标映射以及车流量信息。
2.2 基于Kalman滤波理论的自适应背景预测与更新建模法
基于视频的车辆交通流检测,目前提出的车流量检测算法都存在一定的缺陷,不能解决影响检测精度和实时性等所有间题。因此我们提出了一种改进的具有一定自适应功能的基于Kalman滤波的背景预测与更新法,可实现建模函数的自适应修正和不同阶段的背景匹配更新。
实验表明:随着时间的推移,以上背景建模法将与场...
== 试读已结束,如需继续阅读敬请充值会员 ==
|
本站文章均为原创投稿,仅供下载参考,付费用户可查看完整且有格式内容!
(费用标准:38元/2月,98元/2年,微信支付秒开通!) |
升级为会员即可查阅全文 。如需要查阅全文,请 免费注册 或 登录会员 |