（机械制造及其自动化专业论文）基于视频图像的交通事件自动识别算法研究.pdf

t j 授权 提供 同意 签字同期： o 年月留日 签字同期：，。年6 月，多同 ， 学位类别：工学学位级别：硕士 学科专业：机械制造及其自动化研究方向：图像处理 北京交通大学 2 0 1 0 年6 月 致谢 本论文的工作是在我的导师赵建东副教授的悉心指导下完成的，导师严谨的 治学态度和科学的工作方法给了我极大的帮助和影响，他不遗余力的谆谆教诲， 保证了我整个课题的顺利完成，而且使我的科研能力和专业理论水平得到了很大 的提高和巩固。在此衷心感谢两年来赵老师在生活、学习和工作各方面对我的关 心和指导。 王纪武副教授对于我的科研工作和论文都提出了许多的宝贵意见，在论文进 展过程中给我了很多指导和帮助，在此表示衷心的感谢。 在实验室工作及撰写论文期间，商执一、杨帆、任海川、王中华、张国旗等 同学对我论文中的相关研究工作给予了热情帮助，在此向他们表达我的感激之情。 另外也感谢家人和朋友，他们的理解和支持使我能够在学校专心完成我的学 业。 再次向所有关心、支持和帮助过我的人们致以深深的敬意! 中文摘要 中文摘要 摘要：为实现全天候、智能化、实时自动地检测发现并及时处置交通事件，确保 道路交通正常，本论文主要研究了利用高速公路上监控摄像机采集的视频图像， 基于图像处理技术实现自动识别交通事件，并设计了交通事件前景目标的检测和 交通事件识别软件系统。 具体在以下几个方面进行了研究工作： 1 对高速公路上各种交通事件进行了分类，并着重针对交通事件中的交通事 故的分类做了详细阐述。本论文检测识别的对象是高速公路交通事故中的车辆问 事故、车辆单独事故和车辆与固定物碰撞，并由上述交通事故引发的车辆慢行、 异常行驶等交通事件。 2 根据高速公路场景特点和车辆前景目标检测要求，首先运用背景差分方法 进行车辆前景提取；其次采用合适空间尺寸的空间域非线性平滑滤波器进行滤波 处理，对噪声干扰的抑制能力较强，能起到较好作用；最后，针对背景差分灰度 化图像的特点，运用矩阵直方图、最大类间方差准则，并结合解析函数拟合法确 定的狄度阈值对高速公路场景下前景目标的二值分割提取有较好的效果。 3 提出利用二值图像标定连通区域的属性，对交通事件的前景目标进行特征 提取。高速公路上行驶的车辆主要分为轿车、客车和货车三大类，本论文进一步 对三类车辆进行了车辆尺寸细分，利用划定检测区域内车辆的面积阈值和车辆宽 长比阈值对交通事件进行判定识别。 4 利用设定间隔两帧图像各自对应连通区域质心的坐标差值和时间差，设计 了高速公路行驶车辆视频图像测速的模型和方案，可以较准确的进行行驶车辆的 速度检测以识别车辆异常慢行或交通拥堵等交通事件，及时对交通事故引发的二 次事件识别报警。 关键词：交通事件；视频图像；自动识别；视频测速；阈值法 分类号：u 4 9 1 3 1 ， a b s t r a c t a bs t r a c t a b s t r a c t ：e n s u r i n gt h e t r a f f i cr u ns m o o t h l y , d e t e c t i n gt h et r a f f i ci n c i d e n t s a u t o m a t i c a l l ya n dd e a l i n gw i t ht h e ma r ev i t a l i nt h i sp a p e r , w ew i l ld i s s e r t a t eo nt h e t o p i co fd e t e c t i n gt h et r a f f i ci n c i d e n t sa u t o m a t i c a l l yb a s e do nd i g i t a li m a g i n gp r o c e s s i n g t e c h n o l o g y a n das o f t w a r eb a s e do nt h et h e o r yi sa l s og i v e no u t t h em a i nc o n t e n ta n dc o n t r i b u t i o no ft h i sd i s s e r t a t i o na res u m m a r i z e da sf o l l o w s ： 1 t r a 街ci n c i d e n t sh a p p e n e do nt h ee x p r e s s w a ya r ec a t e g o r i z e da n de s p e c i a l l y t h ec a t e g o r yo ft r a 伍ca c c i d e n t si se l a b o r a t e di nd e t a i l t h em a i nt a r g e to ft h i sd e t e c t i n g t h e o r yi st h ea c c i d e n t st a k e np l a c eo nt h ee x p r e s s w a ya n dt h et r a f f i ci n c i d e n t sc a u s e d b yt h ea c c i d e n t s 2 t h ed e m a n d so ft h ef o r e g r o u n dd e t e c t i n ga n dt h es c e n eo ft h ee x p r e s s w a ya r e c o n s i d e r e d f i r s t l y , p i c k i n gu po f t h ef o r e g r o u n di sb a s e do nt h em e t h o do fb a c k g r o u n d d i f f e r e n c e s e c o n d l y , c h o o s i n gap r o p e rm e d i a nf i l t e ri ss i g n i f i c a n tt os u p p r e s st h en o i s e i n t e r f e r e n c e f i n a l l y , t h em e t h o do fg r a yt h r e s h o l d ，w h i c hi sg r o u n do nt h em a t r i x h i s t o g r a m ，o t s ug u i d e l i n e sa n dt h ec a l v e f i r i n go fa n a l y t i c a le x p r e s s i o nm e t h o d ，i s h e l p f u lt ot h ee x t r a c to ft h ef o r e g r o u n do b j e c to nt h ee x p r e s s w a y 3 t h ea t t r i b u t eo fc o n n e c t e dr e g i o nd e m a r c a t e db yt h eb i n a r yi m a g em a k e sg e t t h ec h a r a c t e r i s t i c so ft h ef o r e g r o u n do b j e c t si nt h et r a f f i ci n c i d e n t se a s i l y t h ev e h i c l e s o nt h ee x p r e s s w a ya lec l a s s i f i e da sc a r , b u s ，v a i l v e h i c l e s - d i m e n s i o n so ft h e s eg r o u p s a r e f u r t h e rs u b d i v i d e d t h ea r e at h r e s h o l da n da s p e c tr a t i ot h r e s h o l di nt h eg i v e n d e t e c t i n ga r e aa r er e f e r e n c e di nt h ej u d g m e n to f t h et r a f f i ci n c i d e n t s 4 t h ev e l o c i t ym o d e la n dp r o p o s a lw h i c hi sb a s e do nt h ev i d e oi m a g ec a p t u r e do n t h ee x p r e s s w a ya r ed e v e l o p e d 鼢a ft h em o d e ln e e d e di st h ec h a n g e so ft h ec o o r d i n a t e s a n dt h et i m ed i f f e r e n c eb e t w e e nt w oa p p o i n t e df r a m e s i nt h i sw a y , d e t e c t i n gt h e v e l o c i t yo ft h ev e h i c l e sa n dt h et r a f f i ci n c i d e n t ss u c ha st r a f f i cj a ma n dd r i v es l o wa r e m o r ea c c u r a t e f u r t h e r m o r e ，t h i sm o d e lc a na l s or e p o r ti n c i d e n t sc a u s e db yt h et r a f f i c a c c i d e n t s k e y w o r d s ：t r a f f i ce v e n t ；v i d e oi m a g e ；a u t o m a t i cr e c o g n i t i o n ；v i d e os p e e d m e a s u r e m e n t ；t h r e s h o l dv a l u em e t h o d c l a s s n 0 ：i j 4 9 1 3 1 v 目录 目录 中文摘要i i i a b s t r a c t v l 绪论1 1 1 课题提出的背景及意义1 1 1 1 数字图像处理技术应用的广泛性1 1 1 2 高速公路交通事件的快速增长及其严重性1 1 1 3 实时视频自动检测的重要性2 1 2 国内外研究现状3 1 2 1 基于静态图像的目标检测研究现状3 1 2 2 基于图像序列的运动目标检测研究现状5 1 2 3 目标检测技术在交通事件检测中应用的国内外研究现状8 1 2 4 交通事件检测方法分类及国内外研究现状10 1 2 5 交通测速研究现状1 2 1 3 课题研究的重点、难点1 3 1 4 论文的主要工作和组织结构1 4 2 交通事件图像检测技术基本理论1 7 2 1 交通事件的分类1 7 2 1 1 按交通事故的对象分类l8 2 1 2 按违反交通规则的对象分类l8 2 2 数字视频图像处理19 2 2 1 数字图像概述19 2 2 2 数字图像处理技术l9 2 2 3 视频图像2 2 2 3 视频测速理论。2 3 2 3 1 视频测速理论概述2 3 2 3 2 视频测速基本原理2 4 2 4 本章小结。2 4 3 基于视频图像处理的车辆检测2 7 3 1 基于背景帧差的车辆检测2 7 3 1 1 基于背景差的车辆前景目标提取2 7 3 1 2 动态更新背景算法概述2 7 3 2 差分图像的预处理2 9 3 2 1 差分图像的灰度化2 9 3 2 2 灰度图像的滤波3 0 3 2 3 数学形态学处理3 4 北京交通大学硕士学位论文 3 3 本章小结3 5 4 基于车辆跟踪的交通事件识别3 9 4 1 前景目标的分割提取3 9 4 1 1 直方图技术与其获取3 9 4 1 2 最大类问方差准则4 0 4 1 3 解析函数拟合法4 2 4 1 4 基于灰度阈值的二值分割4 2 4 2 车辆测速模型4 4 4 2 1 车辆测速方案设计4 4 4 2 2 车辆测速的数学模型4 4 4 3 交通事件识别4 7 4 3 1 基于标定连通区域属性的识别4 7 4 3 2 基于视频测速的识别5 4 4 3 3 交通事件识别整体流程5 4 4 4 本章小结5 7 5 交通事件识别系统的分析与设计5 9 5 1 系统总体设计5 9 5 1 1 系统界面设计5 9 5 1 2 视频运行部分6 0 5 1 3 图像处理部分6 0 5 2 系统算法总体框架6 6 5 3 运行结果6 6 5 4 本章小结6 8 6 结论与展望6 9 6 1 全文总结6 9 6 2 研究展望7 0 参考文献7 l 附录a 7 5 作者简历7 9 独创性声明8 1 学位论文数据集8 3 1 绪论 1 1 课题提出的背景及意义 1 绪论 1 1 1 数字图像处理技术应用的广泛性 随着数字电路技术、计算机技术、传感器技术的飞速发展，利用数字电路和 计算机实现的数字图像处理，近几十年来不仅从理论上而且从技术上得到了全面 的发展，并且在众多领域得到了广泛的应用：遥感图像应用，医学图像应用，工 业和实验图像应用，办公自动化图像应用，军事公安图像应用，文化艺术图像应 用和图像数据传输应用等等【1 1 。 1 1 2 高速公路交通事件的快速增长及其严重性 自1 9 8 7 年我国建成第一条高速公路以来，高速公路已经得到了长足的发展口j 。 2 0 0 9 年底我国高速公路通车里程已经突破6 5 万公里，为国家经济和社会的发展 提供着安全、高效、可持续的运输服务，有力支撑了经济社会的持续快速发展。 但是随着交通需求的急剧、快速增长，我国面临的交通问题日趋严峻，不仅城市 公路在高峰期拥挤、阻塞日益严重，连接城市的高速公路的交通事件也非常频繁 的发生。人们在享受高速公路带来便利的同时，也切身感受到了交通事件所造成 的伤害和不便。世界各国的统计资料表明：虽然高速公路的事故率通常要比一般 公路低得多，但是由于高速公路具有车流量比较大、行车速度非常高等特点，一 旦发生交通事故则后果非常严重；不仅一次事故殃及的车辆多、伤亡率高，而且 还会造成严重的交通阻塞和行车延误，引发二次事件的发生p j 。一般认为我国还处 在交通事故与车辆同时增长的阶段，随着各种车辆和交通数量的不断增长，我国交 通安全正处于事故高峰前的“爬坡时期【4 】。2 0 0 8 年，全国共发生道路交通事故 2 6 5 2 0 4 起，造成7 3 4 8 4 人死亡、3 0 4 9 1 9 人受伤，直接财产损失1 0 1 亿元。2 0 0 9 年，全国道路交通流量、公路里程、机动车保有量和驾驶人数会有进一步增长， 道路交通事故预防工作的压力将进一步加大。“十五 期间平均每年发生道路交通 事故6 3 3 万起，与“九五”期间年平均发生事故3 9 4 万起相比上升6 0 7 ，平均 每年发生一次死亡3 人以上的特大道路交通事故1 8 9 9 起，造成6 1 2 6 人死亡、6 0 4 5 人受伤，事故数呈增长趋势；“十一五”期间，在高速公路通车里程和路面负荷不 断增加的情况下，制约高速公路交通安全的诸多因素仍将继续存在【5 】。现在交通安 北京交通人学硕士学位论文 全问题已成为当今世界上一个及其严重的社会问题，众多的专家学者都在研究如 何减少交通事故，保障道路交通安全【4 1 。 图1 1 高速公路交通事件现场 f i g 1 1t r a f f i ci n c i d e n ts c e n eo ft h ee x p r e s s w a y 1 1 3 实时视频自动检测的重要性 交通事件视频检测器作为交通事件管理系统的重要组成部分，在国内才刚刚 起步，远远落后于美国、澳大利亚、德国等发达国家；但人们已经开始认识到基 于道路视频图像的交通监控管理系统是保障道路交通安全、快速、高效、方便的 重要手段【6 1 。 视频图像检测属于直接检测方法，即使在交通量较低的情况下也能有良好的 “可视化 检测效果，是目前高速公路交通事件检测最具有效果的一种方式。但 目前这种检测方法还普遍停留在人工检测的方式，监控人员在监控室连续轮循观 察时，类似仅仅是“看到 发生了交通事件，并不是通过交通事件的影响而自动 检测到交通事件的存在，对于视频图像较多的路段监控室，多路图像往往采用轮 循或多画面的方式，集中在一个监视器上显示，需要监控人员对大量监视器显示 内容进行长时间的连续观察；这毫无疑问对工作人员的经验要求非常高，而且加 大了监控工作人员的工作量和工作强度，但是即使这样也很难保证多个画面同时 连续地检测，常常导致判断不精确，漏检严重。 因此，如何有效利用现有的视频图像信号，真正实现全天候、智能化、实时 自动地检测交通事件，避免监控人员在监控屏幕墙前“视而不见 从而造成漏检 的现象，将外场信息获取与管理人员职能进行及时有效地融合，提高工作效率、 加快反应速度【7 l 是当前高速公路交通监控急需解决的问题之一。 2 1 绪论 1 2 国内外研究现状 目标或前景是图像中最重要最为感兴趣的部分。比如在交通事件检测中研究 者只对移动的车辆或者误入的行人感兴趣，为了识别和分析图像中的目标，需要 将其从图像中分离提取出来，这就涉及到图像处理中最为关键的目标检测技术。 1 2 1 基于静态图像的目标检测研究现状 对于静态图像中的目标检测，主要有基于图像分割技术和基于模板匹配的方 法等【8 】。图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过 程。这些特性可以是狄度、颜色、纹理等，目标可以对应单个区域，也可以对应 多个区域【9 1 。 ( 1 ) 灰度阈值法：灰度阈值法是把图像的灰度分成不同的等级，然后用没置 灰度阈值的方法确定有意义的区域或欲分割物体的边界，该方法中最简单的就是 二值化的阂值分割。图像中灰度值在同一个狄度类内的像素属于同一个类。其过 程是决定一个灰度值，用以区分不同的类，这个灰度值就叫做“阈值”。阂值法 是一种简单但是非常有效的方法，特别是不同物体或结构之间有很大的强度对比 时，能够得到很好的效果。如何根据图像选择合适的阈值是基于阈值分割方法的 重点所在，也是难点所在。它的主要局限是，最简单形式的阂值法只能产生二值 图像来区分两个不同的类；另外，它只考虑像素本身的值，一般都不考虑图像的 空间特性，这样就对噪声很敏感；它也没有考虑图像的纹理信息等有用信息，使 分割效果有时不能尽如人意【l 】。邹晔利用灰度阈值分割和最大梯度差检测的方法， 把图像经过阂值分割后再进行最大梯度检测，能够准确地把车牌从背景中分割出 来，为车牌字符的定位、识别奠定基础【i o 】；c h e n g 于1 9 9 8 年提出将模糊划分与最 大熵原理相结合选取阈值的方法【l l 】，随后将其推广n - 维，并提出了二维模糊熵 ( 2 df u z z ye n t r o p y ) 阈值分割算i ：去1 1 z j 。 ( 2 ) 区域生长法：区域生长法是根据预先定义的标准，提取图像中相连接的 区域的方法，它是利用区域的相似性即满足区域一致性准则对目标进行分割。这 个预先定义的标准可以是灰度信息、图像的边界，或者足两者的结合。在此法的 最简单形式中，先人工给出一个种子点，然后提取出和种子相比符合预知标准的 所有像素【1 3 】。和阈值法一样，区域生长法一般不单独使用，而是放在一系列处理 过程中。它主要的缺陷是，每一个需要提取的区域都必须人工给出一个种子点， 这样有多个区域就必须给出相应的种子个数。此法对噪声也很敏感，会造成孔状 甚至是根本不连续的区域，相反的，局部且大量的影响还会使本来分开的区域连 北京交通大学硕士学位论文 接起来。卢官明等在文献 1 4 中，提出了一种基于运动的区域生长分割方案，将图 像分割成具有一致运动特征的区域，方案中采用块匹配法进行运动估计，利用重 构式开闭及区域生长型分水岭算法等形态工具进行空间域分割，以改进时间域分 割。 ( 3 ) 边缘检测法：边缘检测法是基于图像不连续性的分割技术。由于一幅图 像的大部分信息存在于不同区域的边缘上，而且人的视觉系统在很大程度上根据 边缘差异对图像进行识别分析。所以可以通过检测图像的边缘信息来实现对图像 的分割。边缘检测技术中边缘的检测可以借助空域微分算子通过卷积完成。这些 微分算子包括s o b e l 梯度算子、r o b e r t s 梯度算子、p r e w i t t 梯度算子、拉普拉斯算 子、综合正交算子等。这些方法对图像中灰度的变化进行检测，认为灰度突变的 地方为图像边缘。该算法对于灰度变化复杂和细节较丰富的图像进行处理时，以 上算子均很难检测出边缘。而且一旦有噪声干扰，处理效果更不理想【。吴昌东等 针对超限检测系统中采集的以天空为背景的货车图像，采用小波变换模极大值方 法对图像进行边缘检测；同时，针对边缘不够连续，采用边缘跟踪方法进行连接 处理，从而减少了阈值选取时间，使用边缘跟踪技术后，提取的图像边缘更具有 连续性【1 5 】。 ( 4 ) 人工神经网络法：人工神经网络法是使用大量的平行的神经网络达到对 图像分割的目的。这些网络由模拟生物学习机理的节点或者元素组成，网络中的 每个节点能够执行最基本的运算。通过调整节点之间的权值可以达到网络对生物 机理的学习，可以实现图像的边缘检测。使用神经网络法的时候，因为网络中有 许多相互连接，所以空间信息就能很容易包涵在分类过程中【1 6 1 。虽然神经网络法 具有平行继承性，但是它的处理过程和标准的串行计算机很类似，这样就降低了 它计算方面的潜在优势。 ( 5 ) 可变模型法：可变模型法是基于模型的、使用闭合参数曲线或曲面描绘 边界的分割方法。这个模型又叫s n a k e 模型( 活动轮廓模型) 。其过程就是活动的轮 廓在模拟的内部力( 内部能量) 和外部约束力( 外部能量) 作用下形变，向物体边缘靠 近，外力推动活动轮廓向着物体边缘运动，内力保持活动轮廓的光滑性和连续性； 最终到达平衡位置时即收敛到目标的边缘，求得对目标的分割结果。s n a k e 是定义 在待分割图像上的一条任意闭合曲线。这种方法也存在一些不足：a 分割的结果与 活动轮廓的初始位置有关，要求初始位置模型应接近物体边缘；b 活动轮廓很难收 敛到曲率高的边缘( 如尖角等) 【9 】。 其他基于图像分割技术的方法：还有一些图像的分割方法，如：基于模糊集 理论的方法，聚类法；除了上述方法外，很多研究者把数学形态学、遗传算法、 信息融合技术和信息论等应用于此，针对不同的实际情况，提出很多改进的新算 4 1 绪论 法1 9 】。 模板匹配概述：由于周围环境变化每一时刻所拍摄的图像都不相同，目标图 像跟踪的初步任务是将一幅图像与另一幅图像相匹配。目标图像跟踪是在一个“匹 配一修正一预测”的过程中实现的。模板匹配的基本原理是在图像的搜索区内逐点 平移参考模板图像，遍历搜索区内的每一个位置点，同时根据某个相似性测度原 则，计算搜索区内该位置点的图像区域和参考模板的相关值，然后根据相关值的 大小来判定跟踪点的位置【l 。丌。模板匹配法存在的问题：a 运算量较大；b 对于有部 分区域与目标形状一样的干扰物，由于该部分能和目标模板相匹配，传统模板匹 配法则会将干扰物的该部分误认为是目标，因而不能区分目标物体和干扰物体【1 8 l 。 1 2 2 基于图像序列的运动目标检测研究现状 运动目标检测与跟踪算法性能直接影响运动目标跟踪系统的精确度和稳定 性，因此，研究一种精确、高性能的运动目标检测与跟踪算法是提高视频检测系 统性能的关键【1 9 】。对于图像序列检测运动目标，主要有差分图像法，基于光流场 的方法，基于统计模型的方法，基于小波变换的方法和基于神经网络的方法等【2 0 】。 ( 1 ) 差分图像法：差分图像法根据差分策略的不同又可以分为相邻帧差的算 法【2 l 】和基于背景图像与当前帧差的算法【2 2 】。 帧差法：利用两帧图像亮度差的绝对值来分析视频和图像序列的运动特性， 确定图像序列中有无物体运动。如果差的绝对值小于某一阈值t h ，则没有运动； 反之，则存在运动。帧差法就其阈值选择方法的不同，有不同的方法。最简单、 速度快、也最容易实现的方法就是一帧图像选择一个阈值，但这种方法仅适用于 背景与前景的灰度有明显对比度的情况，不适用于背景与前景灰度交叉的情况， 而且对摄像机和光照条件的变化非常敏感。针对这种情况，近年来许多人提出了 用局部阈值的方法来提高算法的自适应性。王春波利用建立统计模型和假设检验 的方法来自动判断是由噪声引起的像素点变化还是目标运动引起的变化，但在基 于假设检验的帧差法中，选取的模板越大，检测效果越好。在检测到运动的同时 也检测到了运动留下的空穴，接下来的问题是如何消掉空穴，留下真正运动的物 体，其计算量过于庞大。范莹等提出一种改进的三帧差分算法，即先对经三帧差 分运算检测到的变化区域进行首次扫描，得到运动物体的定位，然后在该区域内 提取出运动物体本身的灰度信息，再利用这一信息进行二次扫描提取出完整的运 动图像【2 3 1 。这种算法针对基于帧差分法检测速度快、灵敏度高、不易受环境影响， 但存在检测出的目标不精确。 背景差法：是目前基于视频检测算法中最常用的一种方法。背景差法可以看 北京交通大学硕士学位论文 作一种特殊的帧差法。它是一种利用当前帧图像与背景图像对应像素点的灰度差 值来检测运动物体的技术：如果当f j i 图像的像素点和背景图像的像素点狄度值差 别很大，就认为此像素点有移动物体；相反，如果当前图像的像素点和背景图像 的像素点灰度值差别较小，在一定的阈值范围内，就认为此像素点为背景像素点。 背景差分法的关键是背景提取与背景更新。然而它对于动态场景的变化，例如光 照的变化和阴影的干扰等特别敏感，检测目标虽然精确但容易受环境影响。因此， 选取一个可靠的背景模型进行背景的提取与动态更新以适应环境的变化是必要 的。背景消减法根据其背景模型的不同又可分为：直方图法、平均值法、单分布 高斯背景模型、混合高斯分布背景模型、k a l m a n 滤波器法，h m m 模型法【2 4 1 。几种 方法各有优缺点，如的混合高斯模型及h m m 模型法的处理速度比一般的背景消减 法( 如平均值法、直方图法) 要慢，实时性差，但是其鲁棒性很高。i s m a i lh a r i t a o g l u 等人提出的w 4 是一个较新的实时室外环境下人的行为跟踪系统。它采用黑白或红 外摄像机，利用最小、最大强度值和最大时间差分值为场景中每个像素进行统计 建模，提取运动目标w 4 系统可以处理许多很复杂的情况，它的速度很快，可以满足实 时性的要求。但是它要求有丌阔的视野，以及有很高的帧率。当视频帧率很小时，背 景差分将失败【2 5 】。s t a u f e r 等人提出了自适应的混合高斯模型【2 6 1 ，在特定的亮度条 件下，考虑到加入噪声后，在特定的表面每一个像素值仅需用一个简单的高斯分 布来表示。如果光线随时间缓慢的进行变化，对于每一个像素点，一个自适应的 高斯分布已经是足够的。 ( 2 ) 基于光流场的方法：光流的概念是g i b s o n 于1 9 5 0 年提出的。所谓光流是 指图像中模式运动的速度，光流场是一种二维( 2 d ) 瞬时速度场【2 4 】，其中二维速度 向量是可见的三维速度向量在成像平面上的投影。光流法是把检测区域的图像变 为速度的矢量场，每一个向量表示了景物中一个点在图像中位置的瞬时变化。因 此，光流场携带了有关物体运动和景物三维结构的丰富信息，通过对速度场f 光流 场) 的分析可以判断在检测区域内运动物体的有无【27 1 。光流法检测运动目标的基本 原理是：给图像中的每一个像素点赋予一个速度矢量，这就形成了一个图像运动 场，在运动的一个特定时刻，图像上的点与三维物体上的点一一对应，这种对应 关系可由投影关系得到，根据各个像素点的速度矢量特征，可以对图像进行动态 分析。如果图像中没有运动目标，则光流失量在整个图像区域是连续变化的，当 物体和图像背景存在相对运动时，运动物体所形成的速度矢量必然和领域背景速 度矢量不同，从而检测出运动物体的位置。这种方法计算量大、容易受噪声影响， 不利于实时处理【27 1 。光流场计算方法大致可分为三类：基于匹配的、频域的或梯 度的方法【2 引。a d i v e 提出的的光流场分割算法运用了通常的h o u g h 变换技术，只能 处理近似于多面体的刚性运动物体所形成的光流场。w a i l g e z 提出了一种k 均值簇 6 1 绪论 类的分割方法。由于运动模型的参数空间一般是多维的，每一维分量的重要性并 不相同，所以基于参数空间的簇类方法实现起来有一定的难度【2 圳。t h o m p s o n 等人 利用运动目标的光流方向与运动内极线约束确定的背景光流方向的差异来检测运 动目标，但是在较为复杂的自然背景中，仅利用内极线约束很难获得完整的运动 目标【3 0 1 。 ( 3 ) 基于统计模型的方法：在文献 3 l 】中首先利用较简单的算法对运动场进 行了粗略的估计，然后根据马尔可夫( m a r k o v ) 随机场理论构造出运动场的间断点分 布模型，利用此模型来检测运动场间的断点，以此来实现运动目标的检测。实验 表明，这一方法十分有效，且运算负担较小，并可通过d s p 实现实时检测。 w e l g r i m s o n 3 2 】等人利用跟踪得到的数据不断校正分布式传感器，重新构建场景 模型，通过学习对典型的运动模式进行统计描述分类，检测运动目标。a h m e d e l g a m m a l ”】等人则提出了一种非参数背景模型的实时运动目标检测背景减方法。 它利用统计学习的模式进行背景更新，提取前景目标。该方法能在复杂背景中通 过两个步骤检测运动目标，第一步背景建模，提取前景，第二步解决了背景小运 动( 如树枝摇动) 问题，利用颜色信息抑制了阴影。h e n r ys c h n e i d e n n a n l l 例则采用 统计模型实现人脸与小汽车的3 维目标检测。在车辆检测时，采用了8 个方向的检 测器实现目标描述，之后再用统计模型判断目标是否是运动目标。 ( 4 ) 基于小波变换的方法：小波理论是在2 0 世纪8 0 年代后期发展起来的一种 新的信号处理工具。由于它具有良好的时频局部化特征和方向性特征，使得它在 图像处理、模式识别、分形分析等领域得到了广泛的应用。f 1 2 0 世纪9 0 年代以来， 小波的应用研究得到了很大的发展。应用小波变换进行目标及目标特征检测的文 章也较多。1 9 9 2 年，m a l l a t 和g w a n g m 小波检测噪声中的物体边缘【3 5 】。y u 等人提出 了自适应最大似然比检测算法，用于检测多光谱图像中的弱目标，通过小波分解， 在多尺度上计算由光谱、方向和尺度参数构成的向量来进行目标检测。c a s a s e n t 等 将反映方向与空间频率的小波与g a b o r 系数组合在一个框架下，用于目标检测【2 9 1 。 文献2 8 1 在分析了小波变换特性的基础上，提出了基于h a a r d x 波变换的低信噪l l ：d , 目标检测算法。秦树春【3 6 】等采用基于运动检测和小波分析的视频图像人脸检测， 其优点是小波变换有很好的实时性和鲁棒性。 ( 5 ) 基于神经网络的方法：人工神经网络是近年来发展起来的一门交叉学科， 涉及生物、电子、计算机、数学和物理等学科，有非常广泛的应用背景。它主要 是模拟人脑神经元结构，近十年来，基于人工神经网络的目标检测方法得到了极 大的发展【3 刀。在有关文献中，首先是将每帧图像分为一系列图像块，预处理后将 这些图像块投影到一个线性滤波器组，得到不同的图像模式；然后把这些不同的 图像模式根据预先计算得到的聚类原形进行分类；最后用训练得到的神经网络分 7 北京交通大学硕士学位论文 类器来判断图像模式是否包含目标，文中最后给出的检测结果表明该方法对对尺 度、旋转变形的目标有很好的适应性。陈扶岜等依托人工神经网络技术，将固定 检测器与浮动车采集的交通参数进行信息融合，以探索更高效的交通事件检测方 法p 引。葛广英等将图像处理技术和人工神经网络相结合，建立了一种基于小波神 经网络的智能交通信息管理系统，给出了系统的体系结构、工作原理和设计方法。 对运动目标的识别与分类，提出了一种基于改进型帧间差值检测和基于小波神经 网络的车辆类型分类算法【3 9 】。 除了上述列出的几种检测算法以外，国内也有人对分形方法 4 0 和遗传算法 4 l 】在目标检测中的应用做了深入的研究。 1 2 3 目标检测技术在交通事件检测中应用的国内外研究现状 视频图像处理技术近年来在交通事件视频检测中得到越来越广泛的应用。人 们提出了很多视频图像处理和分析技术。其中最基本的研究领域就是交通场景中 车辆对象的检测与跟踪。 ( 1 ) 帧差法：帧差法的优点是计算简单且不易受环境光线变化的影响，但它 不能检测静止车辆，且处理效果与图像采样频率以及被检测车辆的车速有关。如 果视频检测器采样频率过小，而车速较快，可能会造成误分割；反之如果采样频 率过大且车速较慢，又会造成过度覆盖，极端情况下运动物体可能完全重叠，类 似于静止车辆，从而导致无法分割出运动物体。为了克服这些问题，k a m e d a e 4 2 】采 用概率统计的方法通过三帧连续图像问的运动信息找出感兴趣区域。而在文献 4 3 】 中，除t n 用连续三帧图像外，还使用单帧图像静止分割的结果来修正帧差法所 得到的运动信息。唐佳林】等提出一种基于帧差法的夜间车辆检测方法，采用两 相邻视频帧之间的差值提取感兴趣区域，以消除夜间场景下光照条件的急剧变化 所产生的光晕。然后通过引入“疑是车辆”和“确定车辆”的概念，消除车辆 断层和随机噪声带来的误检测。最后，根据不同车辆在车道中分布的离敝度来区 分车型信息。 ( 2 ) 背景差法：背景差法的基本思想是先形成交通场景的背景图像，然后将 待检测图像与背景图像逐像素相减( 理想情况下的差值图像中非零像素点就表示 了运动物体) ，进而就可运用阈值方法将运动物体从背景中分离出来。基于背景差 的车辆检测的准确性很大程度上依赖于背景图像的可靠性。文献 4 5 在背景更新 前，先逐像素判断相邻两幅图像的差值，如果小于一个阈值，则说明在这个像素 位置没有检测到车辆，可进行背景更新操作。这种方法依赖于阈值的选取，如果 阈值选择不合理，背景图像将很快变得不可用。文献 4 6 】在选择更新背景前进一步 1 绪论 加入了背景调整步骤，即首先计算当前帧和上一帧图像间的平均灰度之差，若差 值大于设定阈值，则认为当前帧的平均灰度发生突变，就要在背景图像上逐像素 加上此差值。 以上两种方法主要用于r o i 区域的提取。 ( 3 ) 阈值法：车辆是致密的运动物体和周围静止背景的灰度值存在差异。这 样通过设定阈值就可以将车辆从背景中提取出来。最简单的车辆检测方法就是对 提取的r o i 区域进行闽值处理，高于阈值的像素属于车辆，反之就是背景。然而不 恰当的阈值选取会造成车辆的误检测，阈值过高会造成漏检，阈值过低又会把背 景检测为车辆或将相邻车辆检测为同一辆车，所以在判断r o i 是否为车辆时阈值的 选取至关重要。文献 4 5 1 提出了一种二维最小平方法( t w o d i m e n s i o n a ll e a s ts q u a r e ) 的全局最优阈值选取方法。但全局阈值选取可能会造成相邻的车辆相连，给车辆 检测带来困难。而且如果车辆的狄度值与背景差异不大，则很可能会造成漏检。 文献 4 7 1 先找出一个阈值平面( t h r e s h o l ds u r f a c e ) ，每个阈值平面对应一个阈值，这 样就可以通过可变的阈值去适应背景和光照环境的改变，但它只利用了局部的直 方图分布而没有考虑分割形状，不能保证准确地检测重叠车辆。文献 4 8 】提出了用 于背景差图像二值化的考虑形状分解的局部阈值法。这种方法可以分解出重叠的 车辆。 ( 4 ) 检测线法：检测线法就是在待检测图像上的合适位置设置检测线，检测 线的作用类似于埋于地下的感应线圈传感器，其方向与车辆行驶方向垂直。当车 辆经过检测线的时候，检测线位置上的图像就会由于车辆的覆盖而发生变化，当 运动物体覆盖检测线的宽度大于某个阈值的时候，就认为检测到一辆车辆。文献 4 9 】 中采用的是固定的人工设置的宽为三个像素的检测线。文献 5 0 利用道路上的白色 字符作为路面标记以检测车辆并且排除阴影干扰，其原理同检测线法是一致的。 ( 5 ) 边缘检测法：车辆目标最基本的特征之一是边缘。基于车辆边缘的边缘 检测法通常效率较高，甚至可以检测出静止车辆。当图像亮度发生变化时检测效 果也比较稳定，因为边缘信息即使是在各种昏暗的光照环境下仍较为明显。对图 像进行边缘检测所得到的结果通常是一组边缘，比较稠密的部分一般代表车辆， 而稀疏的部分一般为背景或阴影。所以对车辆的检测就可以依据边缘的稠密程度 来差别，这可以通过直方图来进行分析。为了得到较好的边缘检测结果以利于后 续操作，3 硪 511 利, l 丰j h o u g h 变换来提取车辆轮廓线，并用形态学方法来恢复轻微 断裂的轮廓。 除了以上三种方法，另外时域运动估计法和模型法也可以用于车辆的检测。 时域运动估计法的核心思想是通过时域的运动估计跟踪图像序列中的运动物体来 提高分割的准确性，将车辆跟踪过程和图像分割过程结合起来，进而减少计算复 9 北京交通大学硕十学位论文 杂度，提高系统的实时处理能力，它综合考虑了空域和时域信息。基于模型的方 法将这些像素看作是三维世界中的车辆在二维图像平面上的投影，经过与预先建 立的模型在图像块同一位置的投影相匹配，可以直接得到车辆的长、宽、高及车 辆类型等信息，它是一个二维到三维的匹配过程【5 2 】。 1 2 4 交通事件检测方法分类及国内外研究现状 当前，交通事件检测的方式有很多种，具有代表性的是按照检测器的工作方 式及工作时的电磁波波长范围，将检测器划分为3 类：磁频车辆检测器、波频车辆 检测器和视频车辆检测器【5 3 】。目前较常用的车辆检测方法有：环形磁感线圈检测、 微波检测、激光检测、红外线检测、视频车辆检测掣2 5 1 。 ( 1 ) 环形线圈车辆检测器：环形线圈车辆检测器是一种基于电磁感应原理的 车辆检测器。它的传感器是一个埋在路面下，通有一定工作电流的环形线圈，当 车辆通过环形地埋线圈或停在环形地埋线圈上时，车辆自身铁质切割磁通线，引 起线圈回路电感量的变化，检测器通过枪测该电感变化量就可以检测出车辆的通过 或存在。冯红梅等在车辆检测器中的锁相环电路与埋设在道路上的环形检测线圈 一起构成l c 震荡电路，并将产生的震荡波形转化为对称方波，通过e p l d 电路将各 路信号送入5 1 单片机，单片机根据波形变化分析道路上的车流量等信息【