（计算机应用技术专业论文）视频车辆跟踪方法研究.pdf

摘要 与传统的车辆检测器相比，基于视频图像处理与视觉技术的车辆检测器具有处理速 度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优 点，因而近年来在智能交通( i t s ) 中得到了越来越广泛的应用。针对视频交通序列图 像，人们提出了很多视频图像处理和分析技术，其中运动车辆的有效检测和跟踪是现代 智能交通系统中的核心部分，也是计算机视觉研究的一个重要领域。 本文基于从固定摄像头提取视频图像，并从提取出的视频图像序列中检测并跟踪运 动车辆，从而提取交通参数来辅助解决交通问题。完成的主要研究工作如下： 1 运动目标车辆的检测。使用背景相减法获得运动目标。运用一种基于区间分布 的自适应背景提取和更新方法获得背景；然后运用背景相减法结合阈值化来检测运动目 标车辆，并对图像的平滑处理、增强、边界检测、噪声去除等方面做了分析和研究。实 现了视频序列中运动车辆的有效检测和提取。并对运动车辆的阴影问题进行处理，以现 有算法为基础，去除检测车辆的阴影。 2 运动车辆跟踪。本文提出了一种基于彩色特征的扩展卡尔曼滤波跟踪方法，利 用卡尔曼滤波理论建立运动模型，通过车辆特征进行预测，预测得到的运动目标和当前 帧中目标进行匹配，确定其运动轨迹，对运动车辆进行跟踪，进而可以得到车速、车流 量等重要的交通参数，由于彩色特征比灰度特征包含更多信息量，而且具有平移和旋转 不变性。通过提取目标车辆的彩色特征可以很好的解决车辆转弯和车辆遮挡的问题，并 且可以进行准确目标定位跟踪。 我们对算法进行了的模拟仿真实现，测试了目标车辆检测、阴影去除和车辆跟踪等 算法的性能。实验结果表明，该系统更具鲁棒性和准确性，并且从算法实现的角度来看， 具有简单易用、实时性高的特点。 关键词：车辆检测；背景提取；车辆跟踪；扩展k a l m a n 滤波 a b s t r a c t i nc o m p a r i s o nw i t ht r a d i t i o n a lv e h i c l ed e t e c t o r , t h ev e h i c l ed e t e c t o rb a s e do nv i d e o i m a g ep r o c e s s i n ga n dv i s u a lt e c h n o l o g yh a sm a n ya d v a n t a g e s ，s u c h 髂f a s t e rp r o c e s s i n gs p e e d ， c o n v e n i e n ta n df a s ti n s t a l l a t i o na n dm a i n t e n a n c ea tl o w e rc o s t ，w i d e rs u r v e i l l a n c er a n g e ，a n d m o r er e t r i e v a b l ek i n d so ft r a f f i cp a r a m e t e ra n ds oo n t h e r e f o r e ，i th a sb e e nm o r ea n dm o r e w i d e l ya p p l i e di ni n t e l l i g e n tt r a f f i cs y s t e m ( i t s ) r e c e n ty e a r s m a n yv i d e oi m a g ep r o c e s s i n g a n da n a l y z i n gt e c h n o l o g i e sh a v e b e e nr a i s e df o c u s i n go nt h ev i d e ot r a f f i cs e q u e n c ei m a g e s ，i n w h i c he f f e c t i v ed e t e c t i o na n dt r a c k i n go fm o v i n gv e h i c l e si st h eh a r d - c o r eo fm o d e m i n t e l l i g e n tt r a f f i cs y s t e ma n da ni m p o r t a n tf i e l do fc o m p u t e rv i s u a ls t u d y t l l i sp a p e rd e t e c t sa n dt r a c k sm o v i n gv e h i c l e sf r o mv i d e oi m a g es e q u e n c e se x t r a c t e d f r o mf i x e dc a m e r a , t h u se x t r a c t st r a f f i cp a r a m e t e r st oa s s i s ti ns o l v i n gt r a f f i cp r o b l e m s m a i n s t u d yt a s k sf i n i s h e df i r ea sf o l l o w s ： 1 d e t e c t i o no fm o v i n go b j e c t i v ev e h i c l e s b a c k g r o u n ds u b t r a c t i o ni su s e dt oo b t a i nt h e m o v i n go b j e c t i v e as e l f - a d a p t i n gb a c k g r o u n de x t r a c t i o na n du p d a t i n gm e t h o db a s e do n i n t e r v a ld i s t r i b u t i o ni su s e dt oo b t a i nb a c k g r o u n d ，a n db a c k g r o u n ds u b t r a c t i o nc o m b i n i n g 、) r i t l l s h a r e h o l d i n gi s u s e dt od e t e c tm o v i n go b j e c t i v ev e h i c l e s mi m a g es m o o t h i n g ， s t r e n g t h e n i n g ，b o u n d a r yd e t e c t i o n , n o i s e - w i p i n g - o f fa n ds oo na r ea n a l y z e da n ds t u d i e d e f f e c t i v ed e t e c t i o na n de x t r a c t i o no fm o v i n gv e h i c l e sf r o mv i d e os e q u e n c e sa r er e a l i z e d t o d e a l 、 ，i t l lt h es h a d o wp r o b l e m so fm o v i n gv e h i c l e s t h es h a d o wo fd e t e c t i v ev e h i c l e si sw i p e d o f fb a s e do ne x i s t i n ga l g o r i t h m 2 t r a c k i n go fm o v i n gv e h i c l e s a ne x t e n d e d - k a l m a nf i l t e rt r a c k i n gm e t h o db a s e do n c o l o rf e a t u r e si sr a i s e di nt h i sp a p e r t h i sm e t h o du s e sk a l m a nf i l t e rt h e o r yt ob u i l d m o v e m e n tm o d e l ，p r e d i c t sb ym e a n so fv e h i c l ef e a t u r e sa n dm a t c h e st h ep r e d i c t e dm o v i n g o b j e c t i v e 、析mt h eo b j e c t i v ei nc u r r e n tf r a l l l et od e t e r m i n ei t sm o t i o nt r a i l t r a c kt h em o v i n g v e h i c l ea n da c q u i r ei m p o r t a n tt r a f f i cp a r a m e t e r ss u c ha sv e h i c l es p e e d ，c a rf l o wa n ds oo n s i n c et h ec o l o rf e a t u r ec o n t a i n sm o r ei n f o r m a t i o nt h a ng r a y s c a l ef e a t u r ea n dh a st r a n s l a t i o n a n dr o t a t i o n a li n v a r i a n c e ，t h em e t h o dc a ns o l v et h ep r o b l e m so fv e h i c l et u r n i n ga n do c c l u s i o n p r o p e r l yt h r o u g he x t r a c t i n gt h ec o l o rf e a t u r eo fo b j e c t i v ev e h i c l e ，a n dc a r r yo ne x a c t l y o b j e c t i v el o c a t i o nt r a c k i n g w es i m u l a t et h ea l g o r i t h mi nt h ec o m p u t e ra n dt e s tt h ep e r f o r m a n c eo ft r a f f i cd e t e c t i o n ， s h a d o wr e m o v a la n dv e h i c l et r a c k i n g e x p e r i m e n t a lr e s u l t ss h o wt h a tt h es y s t e mi sm o r e r o b u s ta n da c c u r a t e ，a n dl o o kf r o ma l g o r i t h mr e a l i z a t i o na n g l e ，i tp o s s e s s e st h ef e a t u r e so f e a s y - t o u s ea n ds t r o n gr e a l - t i m ep r o p e r t y n k e y w o r d s ：v e h i c l e d e t e c t i o n ；b a c k g r o u n de x t r a c t i o n ；v e h i c l et r a c k i n g ； e x t e n d e d k a l m a t lf i l t e r 1 1 1 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究 成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得东北师范大学或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了 明确的说明并表示谢意。 学位论文作者签名：签至委 日期：驰够6 1 2 - 学位论文版权使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定，即：东 北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘，允许论 文被查阅和借阅。本人授权东北师范大学可以将学位论文的全部或部分内容编入有关 数据库进行检索，可以采用影印、缩印或其它复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：危复彝委 日期： u 9 0 7 色l z 学位论文作者毕业后去向： 工作单位： 通讯地址： 指导教师签名：乞多! 兰塾二 同 飙q 电话： 邮编： 东北师范大学硕士学位论文 1 1 选题背景和意义 第一章引言 随着社会经济的发展、车辆的普及以及人口、经济活动的郊外化，无论发达国家还 是发展中国家，都毫无例外地承受着不断加剧的交通拥挤、交通事故、环境污染、能源 短缺等交通问题的困扰。如何保障交通的顺畅与安全已成为当今世界的热点研究课题之 一。解决交通问题的方法有两个：一是扩建道路，二是提高道路的利用率。扩建道路成 本较高、占用土地，而且在城市内部可供使用的土地和空间有限。交通系统是一个很大 的复杂系统，不能简单从单一方面入手找到解决的合理方案，智能交通系统就是这样的 背景下应运而生的。它把车辆和道路综合起来系统地解决交通问题，从而极大地提高了 现有道路的利用率。 智能交通系统( i t s ) 是最近1 0 年提出的新概念，其含义是综合运用先进的通讯信 息、网络、自动控制、交通工程等技术，改善交通运输系统的运行情况，提高运输效率 和安全性，减少交通事故，降低环境污染，从而建立一个智能化的、安全、便捷、舒适、 环保的综合交通运输体系，使得人、车、路和环境密切配合、和谐地统一，从而建立起 的一种在大范围内、全方位发挥作用的实时、准确、高效的运输综合管理系统，是现代 科技手段在交通领域的具体表现。是未来道路交通发展的方向。世界发达国家都竞相把 i t s 作为交通领域的前沿学科加以研究，日本更是将其作为国家发展计划来定位。据科 学家预测，应用智能交通系统以后，可有效提高交通运输效率，使交通拥挤降低2 0 ， 提高交通工具使用效率5 0 以上，延误损失减少1 0 2 5 ，车祸降低5 0 8 0 ，油耗减少 3 0 ，废气排放减少2 0 。 公路交通中运动车辆的有效检测和实时跟踪，是车辆的行为分析和识别的前提，在 交通视频监控中利用检测和跟踪得到信息，对目前路况的全面而准确的描述，然后根据 统计算出的各路段的数据，如车流量、车型、车速、车流密度、排队长度、占有率，还 可以检测事故突发等，人们可以据此对交通运输进行整体规划，例如调整路口红绿灯开 启时间等，从而减轻交通堵塞、改善交通环境、提高道路的利用率、降低交通事故频发 率。并且正确、实时地记录下道路上车辆行驶情况，例违规超车、车辆相撞等等，对发 生的交通事故能进行快速反映，从而可以极大地提高了排障效率，使道路迅速畅通：而 且同时记录下该事故的发生过程，为事后处理交通事故提供了有力的证据。同时车辆的 有效检测和实时跟踪也是智能交通砼1 中的核心内容和关键技术。 目前车辆检测的方法有很多，如感应线圈检测、红外线视频检测、数字视频检测、 磁力计检测、微波检测、超声波检测和声学检测b 1 等。 东北师范大学硕士学位论文 事实上，与其他几种车辆检测方法相比，基于视频图像技术的方法具有直观、可监 视范围广、可获取更多种类的交通参数以及费用较低等优点，因而可广泛应用于交叉道 口和公路干线的交通监视系统中。在交通监测系统中，视频检测的传感器( 即摄像头) 被安装放在道路的上方以获得道路和过往车辆信息，安装的高度一般在5 m 一6 m ，以保证 对整个交通场景有很好的视点，且得到的视频图像序列可以为车辆检测和跟踪提供足够 的信息。 车辆的检测和跟踪是视频检测的主要部分，交通参数是通过对车辆的检测和跟踪来 获取的，因此车辆检测和跟踪的算法对视频检测系统至关重要，车辆的检测是跟踪的前 提，没有检测就无所谓跟踪：基于视频的检测方法主要有光流法、背景帧差法、邻帧差 法等。视频检测具有信息量大，实时性好，安装简单，维护容易，性价比高等优点。 由此可见，视频检测跟踪系统是下个世纪交通领域最活跃、最有效的交通管理系统， 对于解决交通拥挤、提高运输效率、确保运输安全、减少环境污染都有非常重要的作用， 是交通运输业实现可持续发展的有效手段。 因此，在智能交通领域内研究开发和完善快速的图像处理检测和跟踪方法并实现产 业化，具有重要的学术价值和社会、经济意义。 1 2 国内外研究现状和存在问题 目前对智能交通系统的研究有许多国家都投入了巨大的人力和物力，并成为继航空 航天、军事领域之后高新技术应用最集中的领域。目前已形成以美国、日本、欧洲为代 表的三大研究中心。凭借着其先进的计算机、图像处理及通讯技术，最先开始进行视频 检测技术的研究。经过几十年的努力，他们取得了丰硕的成果，开发出了各据自己特色 的产品。1 9 7 8 年，美国j p t ( 加州帕萨迪纳市的喷气推进实验室) 首先提出了运用机器视 觉来进行车辆的检测的方法。几年后，美国明尼苏达大学的研究人员研制了第一个可以 投入实际使用的基于视频的车辆检测系统。该系统使用了当时最先进的微处理器，在不 同场景和环境下的测试结果良好，说明了利用视频传感器实时检测车辆的可行性。同期 基于视频的车辆检测的研究也在欧洲和日本广泛展开。 此后十年间基于视频的车辆检测技术取得了长足的进步。1 9 9 1 年，美国加州理工大 学对在高速公路上运用视频方法的检测技术进行了评估，在评估报告中对当时采用的不 同的视频车辆检测技术详尽地进行了分类。三年后，美国休斯飞机公司评测了当时存在 的几种检测技术，包括视频检测技术，测评结果指出基于视频图像处理的车辆检测系统 已经具备了投入实际使用的潜力。1 9 9 4 年明尼苏达运输部为f h w a ( 美国联邦公路局) 进 行了更详尽严格的测评，结果表明视频检测器的检测准确性和可靠性可以达到令人满意 的程度。同时随着视频车辆检测技术的发展，人们已不满足于仅仅检测出车辆，f h w a 进 一步利用此技术来提取交通参数，如交通流量，十字路口的车辆转向信息等。1 9 9 6 年至 1 9 9 9 年期间，美国国防高级研究计划局( d a r p a ) 资助卡内基梅隆大学、戴维s a r n o f f 研 究中心等著名大学和公司合作，共同研制的视频监视与监控系统v s a m 。 2 东北9 币范大学硕士学位论文 我国在智能交通系统领域的研究起步比较晚，但是随着全球范围智能交通技术研究 的兴起，进入2 0 世纪8 0 年代，我国也加快了对智能交通技术研究的步伐，由于我国经 济的高速发展还有地方政府部门的大力支持，我国在智能交通技术方面有了不少研究成 果，一方面，北京、上海、沈阳等大城市陆续从国外引进了一些较为先进的城市交通控 制、道路监控系统：另一方面，国家加大了自主开发的步伐，如国家计委、科技委组织 开发的实时自适应城市交通控制系统h t - u t c s ，上海交通大学与上海市交警总队合作开 发的s u a t s 系统等：1 9 9 8 年交通部正式批准成立了i s 0 t c 2 0 4 中国委员会，代表中国参 加国际智能运输系统的标准化活动，现在正进行中国智能运输系统标准体系框架的研 究。中科院自动化所模式识别国家重点实验室视觉监控小组总结了英国雷丁大学v i e w s 的车辆交通监控原型系统的研究经验，在前人理论研究的基础上，自行设计了一个拥有 完全自主版权的交通监控原型系统v s t a rv i s u a ls u r v e i l l a n c es t a r 。中国科学院自 动化研究所模式识别国家重点实验室谭铁牛研究员从2 0 世纪9 0 年代初就开始研究基于 三维模型的智能视觉监控系统，领导视觉监控小组，取得了一系列的研究成果。国家科 学技术部1 9 9 9 年1 1 月批准建立了国家智能交通系统工程技术研究中心，全面推动中国 的i t s 的发展需要，完成了“九五”国家重点科技攻关项目“中国智能交通系统体系框 架”、交通部重点科研项目“智能运输发展战略研究 等一批关系中国i t s 发展的重点 项目：广州新软计算机技术有限公司拥有高速公路组合式收费技术、电子不停车收费系 统等大批具有国内领先水平的技术和产品，产品获得广东省科技攻关计划、国家科技成 果重点推广计划，广州市科技进步奖、国家“十五 科技攻关计划、国家重点新产品计 划等多个奖项及认证，相关系统及产品得到广泛应用。北京中兴智能交通系统有限公司 先后推出了包括z t e - i t s - c e i o 城市电子警察、z t e - i t s - i p i o 交通可视化综合信息管理 平台、z t e i t s - b r t i o 城市快速公交b r t 系统、z t e - i t s - t m i o 交通监控系统等涵盖交通 管理、交通信息、公共交通、应急处理、商用车辆管理五大类产品和服务。同时为响应 国家自主创新的号召，自主进行c b t c 轨道交通技术、r f i d 技术和高速公路不停车收费 ( e t c ) 技术的开发，逐步成为具备国际领先水平、具有自主核心知识产权技术的创新型 企业。另外成都深港、厦门恒深、深圳哈工大交通电子和上海高德威、上海昂舍交通电 子科技有限公司、深圳神州交通系统有限公司等也已经开发出完全具有自己产权的产 品，并在我国一些地区得到推广应用。 伴随着2 0 0 8 年奥运会在北京的举行，智能交通管理系统在北京奥运会上进行了广 泛的应用，主要有以下几个方面： 交通事件检测报警系统，自动识别“单双号 的交通综合监测系统，数字高清的奥 运中心区综合监测系统，闭环管理的数字化交通执法系统，智能化的区域交通信号系统， 公交优先的交通信号控制系统，现代化的交通指挥调度系统，灵活管控的快速路交通控 制系统，连续诱导的大型路侧可变情报信息板，交通实时路况预测预报系统。 从目前国内外的研究发现，快速实用的视频图像中车辆检测和跟踪技术是智能交通 能否进一步发展的关键。目前，基于视频的车辆检测和跟踪技术面临的主要难题有： ( 1 ) 车辆检测的分割方法缺乏自适应性。 3 东北师范大学硕士学位论文 ( 2 ) 车辆跟踪的可靠性和精度低。 1 3 本文研究内容 本论文主要针对目前基于视频的车辆检测和跟踪技术面临的上述难题，在前人的基 础上，利用卡尔曼滤波等理论，对视频中运动车辆检测与跟踪技术进行研究，并对本文 提出的基于视频的车辆跟踪方法进行重点分析和讨论。其中涉及了视频车辆检测以及目 标车辆跟踪等核心问题。 本论文的组织如下： 第一章引言。介绍了本论文的选题背景及意义、国内外研究现状和存在问题、本 文的主要研究内容以及实验设备和软件平台。 第二章运动车辆检测方法研究。介绍了目前国内外对于运动车辆的检测方法的概 述，并且根据国内外相关的背景提取和更新方面的研究进展为基础，运用一种基于区间 分布的自适应背景提取和更新方法，通过背景相减法检测出运动车辆，并且对检测出来 的运动车辆进行阴影去除。通过对视频图像序列的实验，取得了很好的效果。 第三章运动车辆跟踪算法研究。本章提出了基于彩色特征的扩展卡尔曼滤波的跟 踪方法，能够在准确定位跟踪运动目标的同时对于尺度旋转，遮挡等情况也能进行准确 跟踪。实验图像和数据表明，该算法具有准确性和鲁棒性。 第四章总结与展望。回顾本文所做工作，并指出了尚未解决的问题及今后工作方 向。 视频车辆检测与跟踪方法通过检测、跟踪运动车辆从而提取出交通参数来达到快 速、准确的检测车辆数、车型、速度等交通参数的目的。最后对该方法进行了实现设计。 实验结果表明，该方法在自然光照条件下的场景中，能快速准确的将目标参数提取出来。 1 4 实验设备与软件开发平台 1 摄像机：索尼摄像机。 2 视频采集卡：w s v 视频采集卡。 3 p c ：p 42 4 g h z ，内存为d d ri g 。 4 操作系统：w i n d o w sx p 。 5 开发平台：m a t l a b 。 6 视频采样频率：2 5 帧秒。 4 东北师范大学硕士学位论文 第二章运动车辆检测方法研究 目标跟踪的第一步工作是确定场景中存在运动的目标，即运动目标的检测，就是检 测视频序列图像中被监视的场景图像是否有所变化，如果图像有变化，则说明有新的目 标出现，反之则认为没有新目标出现。车辆检测是车辆跟踪的前提与基础，只有正确的 检测出运动车辆才能进行更准确的跟踪。 一个理想的车辆检测，应该能适用于各种环境。通常一个好的车辆检测算法应该具 有以下特征： ( 1 ) 在各种天气条件下应具有鲁棒性： ( 2 ) 对环境光线的变化应具有鲁棒性； ( 3 ) 能够适应场景中个别物体运动的干扰，如树木的摇晃，水面的波动： ( 4 ) 能够处理杂乱无章的大面积区域的各种运动，以及视场内目标的叠加。 在实际应用中要得到一个完美的能适用于各种环境的目标检测算法是十分困难的， 因为实际应用中不但要考虑到尽量适应于多种环境，而且除非有专门的硬件支持，否则 研究者不得不在算法的复杂度、可靠性、以及实时性等方面折衷考虑。目前大多数目标 检测算法或多或少是针对解决某一具体问题而提出的，这样也就带来了对视频序列中目 标检测的算法分类。 因此在视频监视中，往往根据摄像头与背景之间是否存在相对运动，将视频监视算 法分为静止背景和运动背景的目标检测两类。本文研究的是静止背景下视频序列中目标 检测方法。 2 1 视频车辆检测方法概述 2 1 1 帧间差分法( t e m p o r a ld i f f e r e n c e ) 帧间差分法h 7 1 检测相邻帧图像之间变化的最简单方法，它是直接比较了视频序列中 连续的两帧或三帧图像中对应像素点在灰度值上的差异，然后通过设定阈值来提取序列 图像中的运动区域。 帧间差分进行目标检测的主要优点是：算法实现简单；程序设计复杂度低；易于实 现实时监视；基于相邻帧差方法，由于相邻帧的时间间隔一般较短，因此该方法对场景 光线的变化一般不太敏感。 最基本的帧间差分法可以检测到场景中的变化，并且提取处目标，但在实际应用中， 帧间差分法的结果精度不高，难以获得目标所在区域的精确描述。因为我们在实际应用 中特别是在下一步进行目标跟踪中，我们总希望提取的目标尽量接近目标的真实形状， 5 东北师范大学硕士学位论文 也就是说，我们提取出的目标应该是完整的，同时也应该尽量少的包括背景像素点。但 是在使用过程中存在两个问题：首先是两帧间目标的重叠部分不容易被检测出来，即只 检测出目标的一部分或者出现了较大比例的空洞，这是由于我们直接用相邻的两帧差 分，保留下来的部分是两帧中相对变化的部分，所以两帧间目标的重叠部分就很难被检 测出来，还有就是检测目标在两帧中变化的信息，这样会存在较多的伪目标点，检测出 的目标往往比实际的目标大一些，这是由于实际目标颜色或者灰度在一定的区域内较为 均匀所导致。 2 1 2 光流法( o p t i c a lf l o w ) 基于光流方法阳1 帕的运动检测采用了运动目标随时间变化的光流特性，光流场的计 算最初是由h o r n 和s c h u n c k 于1 9 8 1 年提出的，它是一种以灰度梯度基本不变或亮度恒 定的约束假设为基础的目标检测的有效方法。所谓光流是指图像中灰度模式运动的速 度，它是景物中可见点的三维速度矢量在成像平面上的投影，它表示了景物表面点在图 像中位置的瞬时变化；一般情况下，可以认为光流与运动场没有太大区别，因此就可以 根据图像运动来估计相对运动。基于光流方法的运动检测采用了运动目标随时间变化的 光流特性，把光流计算得到的运动量作为一个重要的识别特征来判断运动目标。 光流计算法的优点是光流不仅具有运动目标的运动信息，而且还具有相关景物三维 结构的丰富信息，它能够检测独立运动的对象，不需要预先知道场景的任何信息，并且 能够适用于静止背景和运动背景两种环境，可用于摄像机运动的情况，有较好的适应性。 但是当目标与背景图像的对比度太小，或图像存在噪音时，单纯的从图像灰度强度 出发来检测目标的光流场方法将会导致很高的虚警率。另外，这种方法的计算复杂耗时， 除非有特殊的硬件支持，很难实现实时运动目标的检测。 2 1 3 背景差法( b a c k g r o u n ds u b t r a c t i o n ) 背景差法n 卜”1 是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像 的差分来检测出运动区域的一种技术。它的基本思想是在视频图像序列中，通过逐个像 素比较可以直接求出前后两帧的图像的差别，差分后的图像不为零处就是检测到的目 标，即对当前图像与背景图像求差可以突出目标的形状和位置。背景图像选择恰当，能 够较准确的分割出运动物体。理想情况下，背景静止，具有运动目标的图像除了运动目 标区域的像素值发生变化，其余属于背景，这种情况智能交通的监控场景中是不存在的， 大部分情况下，背景是一个渐变的过程，所以该方法的关键是选择合适的背景，并且根 据不同的情况不断的迅速更新。这种方法算法简单，检测准确；缺陷是背景的更新难度 较大。 6 东北师范大学硕士学位论文 22 基于区间分布的自适应背景提取与更新算法 对于背景筹法进行车辆榆测的问题，酋先就是要将酣景目标所在区域从背景中提取 出来，即完成前景与背景的分离。背景的提取是至关重要的一步，然而，山于交通环境 和天气状况很复杂，对于提取干净的背景具有极大难度，并且由于光照的不断变化，所 提取的背景模型也应该随着改变，才能进行准确分割。 蕊 ；舔 图2l 样本帧图像 在视频序列的每一帧图像中，图像上某个点( ，) 的像素颜色值在时间f 可表示为 j ( x ，y , 1 1 。现在大部分的摄像系统都是基于r g b 空间的，所以i ( x ，y ，f ) 含有3 个分量分 别是：，8 ( j ，y ，) ，广( x y ，r ) ，和，”( x ，儿，) 。对于一个给定的像素( zy ) ，它的颜色值从 时可，。到f 可用一个矩阵m ( x ，y ) 柬表示： m ( t ，y ) = ，( y ，t 。) ，( t y0 ) ，( 。y ，f 。) ) ( 21 ) 在交通监控视频图像中的任意一个点只自两种状态：一是代表的是运动的车辆的情 况，称为图像的前景点，另一种就是不被车辆遮挡的情况，称为图像的背景点。背景点 的颜色值可表示为： m 。( t y ) = ( ，( t y ，气) ，( _ y ，2 ) ，( t y ，0 ) ( 22 ) 其中，”，心t 。是该点不被前景车辆遮挡的时刻。因为背景是静止的t 所以在整个 分析背景时f 叫( 这罩假殴分析时内场景光线没有显著变化，返个后面还要讨论) 内， 图像背景点的颜色值应该近似相等的，即： ，( x y ，) = ，( 。y ，k ) 一= ，( z ，y ，k ) ( 23 ) 通过前人研究”町知所有的像素点可咀认为背景点的颅色值等于在分析时间 东北师范大学硕士学位论文 内m ( x y ) 巾出现的次数最多的颜色值，即 ，( y ，f 。，) = m o d e ( m ( x ，y ) ) ( 24 ) 其中，。是该点不被前景运动车辆遮挡的时刻，m o d e ( m ( x ，j ) ) 表示在m ( x ，y ) 的颜色模 式，即该点的使用次数最多的颜色值。通过计算每。个点的m o d e ( m ( x ，y ) 1 ，图像中任 一点( z ，y ) 的背景颜色值可以确定，由此可以得到视频序列的背景图像。 虽然背景是静止的，但是考虑到环境光、大气、摄像机等的影响，公式( 2 4 ) 并小 能：芒全保证j 下确，为排除这峰扰动对背景的影响，提高算法的鲁棒性，作如下改进：定 义一个小的颜色范围s 然后把颜色值巾2 5 6 量化到2 5 6 ，s ，然后计算颜色量化后的颜色 模式值，为了降低历史信息的影响，借鉴文献”中的方法，引入两个参数：一是“区 均值”2 ，即属于一个小的颜色范围的所有像素值的加权平均i 是“区间计算值”c ， 即像素值属于该范围的所育图像序列的总数。，c 都是随着时蒯的变化而变化的， 即随着图像序列的更新而更新。似设当前帧为第一帧，定义第i 个颜色范围的均值“和 区间计数值c 的更新公式为： 一，。5 ，川t 珊l + ，。 q ( 25 ) ，。【i + j ，( + 】) j 1 1 ，。咿s ，( f + 1 ) t p l 】 ( 26 ) 其中，c 。是量化后的第r 组的颜色模式在m ( 工，y ) 中的累积次数。那么具有最大c ，值的 l i 叫的，作为该点的背景值，对图像中的所有像素点重复馥动作，则得到背景图像( 如 刿22 ，图23 所示) 。 通拶k 驶章辛备j _ 。f + j ( a ) 黑白背景 p e e o ，【 = c 东北师范太学硕士学位论文 瀛 i 毫赫 ( b ) 彩色背景 图2 2 本文方洼提取的背景效果图 背景更新时由于运动日标小属于背景，所以对运动目标上的点进行更新，必然导致 错谋，崮而有人提出一种称为选择性背景更新的方法，即只更新除运动目标以外的背景 点，而保留运动目标对应的背景点。该方法虽然使得背景模型更加稳定，但是山于它只 考虑了像索级更新，囚此在某些情况下还会茬生背景更新的“死锁”问题。当原来属于 背景或已融人背景的物体外始运动或者原来运动的物体停止不动时，使用背景差分法必 将得到一个错误的检删目标，称之为虚似目标。由于选择性背景更新方法届于像素级更 新，对区域绒更新无能为力，所以虚假目标将一直保留在背景中并将直被误检为真实 目标。这就是背景更新“死锁”问题。 本文动态背景更新的基本思路是：首先用背景相减法获得差分罔像，对差分罔像中 的运动目标d ( x ，y ) 利用两个判别函数区分出虚假运动目标和运动目标，然后再对虚假运 动目标和运动目标分别进行更新。判断某一像素是静的还是动的，需要两个参数，即跳 跃度和稳定度。前者表示像素点灰度产生跳跃的程度，后者表示像素点在经过一系列不 稳定变化后稳定状态的程度。与文献”“相似，引入两个判别函数为： 7 = m a x 1 p ，一o o ， ， 1 5 j( 2 7 ) 其中，跳跃度r 是像素点当前差分图像的灰度值与前五帧差分图像差值的绝对值的最大 值。 女d j ( 见，) 2 “丽二卜“ 5 , 1 0 j ( 28 ) 其中，稳定性函数s 衡鞋了从时刻t 到当前的灰度变化。k 通常墩 5 ，1 0 。t 干s 低于 一定闽值的点则认为足虚假日标点。然后我们埘虚假目标和运动目标分j ；i 】进行更新，更 新公式为 9 东北师范大学硕士学位论文 b 。( j ，y ) = o + 占川( ，y ) + ( 1 一叫+ c ( z ，y ) ( z ，y ) 蚴臼新) ， ( 1 ) 8b 川( j ，y ) + + ( ，y ) ( 29 ) 恒，旺，y 、e 虚能运倒运动、， b 。( x ，y ) 算穹1 ， 图23 是存在车辆从静止到运动的背景更新效果图。23 ( a ) 是传统更新方法更新 的背景，23 ( b ) 是使用传统背景更新方法更新得到的背景榆测出的运动目标，可以清 晰看出山现了虚假目标( 方框内的运动物体) ，23 ( c ) 是采用本章方法更新的背景， 2 ：j ( d ) 圈中我们可以看到没有虚假目标，从而解决背景更新死锁问题。 c ) 本文更新方法所得背景 d ) 使( c ) 检测山的远动u 柏、 图2 3 存在车辆从静止到运动的背景更新 东北师范大学硕士学位论文 23 车辆检测 本文采用背景差分法检测运动车辆，对于此方法前面已经进行了详细介绍，实验效 果图如下幽2 哇= 型篓鎏墅霎! 蔓兰 惑j 差分后的结聚嘲像 图2 4 背景差分示意罔 通过背景差分法得到运动车辆以后，我们需要进一步的精确分割运动目标，图像分 割的目的就是将图像巾有意义的特征区域或者需要应用的特征区域提取出来，这些r 域 特征”，以是像素的扶度值、物体的轮廓、纹理特征、直方圈等。图像分割是山图像处理 到蚓像分析的关键步骤，也是一种基本的重要的引算机视觉技术。 能否先整地将目标从视频序列图像巾分割提取出来，很大程鹰上取决于日标椅测岸 法检测出的前景点集是行真实可靠，所以保证目标分割质量的关键是能行在检测后获得 理想的目标背景的值图像。帧间差分和背景相减的目标检测算法都是通过闻值“”1 。分 割对差分图像进行二值化处理，从而将图像中的前是像素点从背景像素中分离出柬，可 见选取一个台理的闽值对保证二二值图像的质量是很重要的，从而也直接影刚到日标分割 东北师范大学硕士学位论文 的效果。 阈值分割的基本原理是：按照一定的准则在原始图像中找到个特征值t ，将图像分 割为两个部分：目标区域和背景区域，从而产生相应的二值图像。 当用阈值来分割目标与背景时，如果说某一个像素值t 是某图像的分割阈值，既是 说像素大于t 的像素点将构成目标，而小于t 的像素点就构成背景，因此一种阈值选取 方法既是按一定的方法求出满足某种条件的像素值t ，而认定满足这个条件的t 可以作 为图像二值化的一个阈值，就是承认该条件成为二值化阈值的一个充分条件，由此自然 想到可以利用阈值的各个充分条件来构造阈值选取方法。 由于直接寻求阈值的充分条件常常无从着手，因此常采取的措施是先寻找阈值所具 有的一系列性质，或者说寻找阈值t 所具有的一系列必要条件。若能选取出最能反映其 本质的一些性质，即可近似地作为其充分条件的性质，在依此求出满足条件的像素值， 也就是求出了图像二值化的一个阈值。 对一般图像而言，如果像素值t 可作为图像的一个阈值，那么它所具有的一些带共 性的性质( 即满足的必要条件) 可以很多，下面列出一些典型的性质( 条件) ： ( 1 ) 如果t 为阈值，大于t 的像素点将构成目标全部； ( 2 ) 阈值t 将介于目标像素值与背景像素值之间。1 ( 3 ) 如果t 为阈值，分割出的背景与目标像素点占多数，而像素值近似为t 的点 ( 边界点) 应是少数； ( 4 ) 如果t 为阈值，分割出的背景与目标各自应该都较平均，换句话说，两者未 混分，即目标未混为背景，背景未混为目标； ( 5 ) 如果t 为阈值，其将把目标与背景彻底分开，或者说目标与背景两部分差距 很大； ( 6 ) 如果t 为阈值，该值将处于图像边缘点处，且边缘点处像素值变化将很大； ( 7 ) 像素值近似为t 的点( 边界点) 将构成目标的边界点，因而是封闭体。 按照以上介绍的阈值选取方法，根据通用性质构造的阈值选取方法就将具有通用 性，而在具体问题中，根据问题的特殊性而构造的阈值选取方法就仅适用于该具体图像。 阈值法是一种传统的图像分割算法，它的优点是实现简单，计算量小而且性能稳定， 是图像处理中应用最广泛的分割算法。根据对使用区域的不同，阈值分割算法可以分为 全局阈值和自适应阈值。全局阈值是从整个图像中提取出一个通用的阈值，由于在图像 中由于光照或者物体本身的灰度不均匀影响，全局阈值可能不太适合， 本文采用自适应阈值分割法口7 1 。自适应阈值分割法能够根据不同的图像，不同的光 照条件自适应的给定一个合适的阈值，应用均值和方差来自适应的设定阈值，基本原理 先用背景相减获得差分图像，求得差分图像的均值m l ，再计算差分图像和这个均值的 差的均值m 2 ，考虑高斯分布的正态分布，自适应分割的阈值定为 t = m l + 3 1 4 8 2 6 m 2 。 1 2 东北师范大学硕士学位论文 24 数学形态学处理 241 形态学基本方法 图2 5 闽值化图 由于刮风等原因会导致树术、草等发生摇动，从而使视频图像含有大量噪声，当差 值图像二值化后，在背景和目标中依然存在很多无用的噪声斑点，因此本文采用图像形 态学方法对分剖后的二值图像进行后处理，基本的形态学运算包括膨胀、腐蚀、7 r 运算、 闭运算等。“! 。 我们所提到的形态学是指数学形志学的内容，它阻图像的形态特征为研究对琢，基 术思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分 析和识别的目的。该技术一般以二值图像为处理对象，通过一系列的集台运算进行图像 处理。 经过前景点检测后的图像中往往存在着离散的噪声前景点和目标区域中的孔洞，冈 此在进行目标检测后一般都耍进行去噪处理。这一步可以通过数学形态学运算实现，即 利用腐蚀和膨胀运算分别去除孤立的噪声前景点和填补曰标区域的小孔。 腐蚀是消除物体图像无用点的种过程，其结果使剩下的物体比处理自u 减少了些 像素。能够使膨胀后的图像缩小到原来的尺寸，它收缩的方式和程度由一个结构元素控 制。一般意义的腐蚀定义为： a o b = 口i ( i j ) n a ( 21o ) 也就是说，a 被b 腐蚀足所有结构元素的原点位置的集台，其中平移的b 与a 的背景并 不叠加。 膨胀是腐蚀运算的对偶运算，它是将与目标接触的所有点合并到该日标的过程，过 程的结果是使口标的面积增加了相应数量的像素。膨胀在填补分割后目标中的孔洞很有 1 3 东北师范大学硕士学位论文 用。膨胀的定义为 一。口= = i c 台，n 爿 一 ( 21 】) ( c ) 图26 膨胀腐蚀的例子：( a ) 原图像( b ) 膨胀后的图像( c ) 腐蚀后的图像 先腐蚀后膨胀的过程称为开运算。它具有消除细小目标、在纤细点处分离目标_ f 口平 泔较大的边界时义小叫显改变其面积的作用。定义为： b 。s = r b o s 、0 s ( 21 2 ) 先膨胀后腐蚀的过柙称为 副运算。它具有填充物体内部细小审洞、连接邻近物 体、在不明显改变面积的情况下平滑其边界的作用，定义为： 占s = ( b o s ) o s( 21 3 ) 通常情况f ，对