（计算机应用技术专业论文）基于视频的交通路口车辆检测技术研究.pdf

山东轻t 业学院硕卜学位论文 摘要 随着社会经济的快速发展，人们生活水平不断提高，各种汽车的保有量大幅增 加，怎样提高交通效率就显得越来越重要。世界各国都投入了大量的人力和物力 对智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m s ，i t s ) 进行研究。车辆检测作为 i t s 的基础部分，为整个系统提供基础数据。在众多车辆检测方法中，视频检测具 有直观性、大范围检测、安装方便和维护费用相对较低等优点，成为最有前途的 采集交通信息的技术，以指导车辆运行。视频检测也是计算机视觉和图像处理领 域的一个研究热点。视频车辆检测系统的主要目标是在不破坏路面的情况下，获 取道路车流量、车长、车速、占道率等交通信息，为道路的宏观管理和公路规划 设计提供重要科学依据。 本文从事基于视频的交通路口车辆检测系统的研究，其目的是设计出适用于大 面积、多目标的复杂场景，能排除干扰，具备实时和自适应能力的车辆检测系统， 为道路交通管理提供更为有效的依据，从而提高交通管理的自动化、现代化水平。 主要工作内容如下： ( 1 ) 基于视频虚拟检测线的车辆检测算法：该算法基于视频虚拟检测线，改进 了背景差法，可同时统计视窗内多个车道的车辆，并且不受车辆行驶位置的影响， 无论车辆是否按车道行驶均不影响计数，对于型号不同、宽窄不同的车辆都能检 测到；根据可能出现误检和漏检的情况，该算法采用预估校正、相关性修正等多 种措施进行数据流修正，大大提高了车辆检测和计数精度。 ( 2 ) 基于多k a l m a n 滤波的多车辆自动跟踪算法：该算法采用二次帧差掩模对运 动对象进行分割，通过对每一个运动对象建立相应的k a l m a n 滤波器，在预测区域 内对提取的运动区域按视频序列中车辆的实际尺度进行区域融合，最后定位最大 的运动对象掩模就可以实现车辆跟踪。 ( 3 ) 基于跟踪结果的车辆运动方向检测算法：提出了一种对复杂交通路口下的 车辆行驶方向进行检测的算法。首先结合改进的帧差法，对复杂交通路口下的视 频图像序列建立二值化的待检测区域；然后用形态学方法进行除噪，利用区域生 长法找到目标车辆。最后采用m a d ( m e a na b s o l u t ed i f f e r e n c e ) 准则和改进的三步搜 索法进行匹配，完成对车辆行驶方向的检测。 基于上述技术构建了基于视频的交通路口车辆检测系统，将车辆检测、车行方 向检测等功能整合在整个系统。该系统不需获取红绿灯信号，可利用单一摄像头 对交通路口各方向上的交通流参数( 车流量和车速) 进行获取，系统试验效果比 较理想。 关键词：车辆检测：虚拟线；背景差法；区域融合；车辆跟踪 i i i 山东轻工业学院硕上学位论文 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fs o c i e t ya n de c o n o m y , p e o p l e sl i v i n gs t a n d a r dh a s g o t t e ng r e a ti m p r o v e m e n ta n dt h en u m b e ro fv e h i c l e sh a sq u i c k l yi n c r e a s e d al a r g e a m o u n to fm a n p o w e ra n dm a t e r i a lr e s o u r c e sh a v eb e e nd e v o t e dt ot h er e s e a r c ho n i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m s ( i t s ) i nm o s tc o u n t r i e s i nt h ew o r l d v e h i c l e d e t e c t i o ni st h ef o u n d m i o n a lp a r to fi t sa n dp r o v i d e sb a s i cd a t af o rt h es y s t e m i ns o m a n ym e t h o d so nv e h i c l ed e t e c t i o n ，v i d e o b a s e dd e t e c t i o n i so u t s t a n d i n ga n dh a s s e v e r a la p p a r e n ta d v a n t a g e ss u c ha se a s i l yi n t e r v e n e da n dl o w e rc o s t s i ti so n eo ft h e m o s tp r o m i s i n gn e w t e c h n o l o g i e sf o rl a r g e s c a l ed a t ac o l l e c t i o na n di m p l e m e n t a t i o no f v e h i c l eg u i d a n c e m o r e o v e r ，i ti sa l s oah o t s p o ti nr e s e a r c hf i e l do fc o m p u t e rv i s i o na n d i m a g ep r o c e s s i n g t h ev i d e ov e h i c l ed e t e c t i o na n dt r a c k i n gs y s t e mi su s e d t og e tt r a f f i c i n f o r m a t i o n ，s u c ha sv e h i c l ef l o w , v e h i c l el e n g t h ，v e h i c l ev e l o c i t ya n dt h er o a d u t i l i z a t i o nw i t h o u td e s t r o y i n gt h er o a d s i tp a r t i c u l a r l ye m p h a s i z e so nt h em a n a g e m e n t o fr o a d ss u c ha st h et r a f f i cm a n a g e m e n t ，r o a dd e s i g nl a y o u te t c t h i sp a p e ri st od e s i g nv i d e o - b a s e dv e h i c l ed e t e c t i o ns y s t e mf o rt r a f f i cc r o s s i n g ， w h i c hc a nb ea p p l i e dt oi t sa n di m p r o v et h em a n a g e m e n to ft r a f f i c i nt h i sp a p e r ，w e c a nd e s c r i b er e s e a r c h e sa sf o l l o w s ： ( 1 ) v e h i c l ed e t e c t i o nb a s e do nv i d e ov i r t u a l - l i n ea n a l y s i s ：t h i sp a p e ri m p r o v e s b a c k g r o u n ds u b t r a c t i o nm e t h o da n dp r e s e n t sa n e wm e t h o do ft r a f f i cf l o wm e a s u r e m e n t b a s e do nv i d e ov i r t u a l - l i n e t h i sn e wm e t h o di s a d o p t e dt os i m u l t a n e o u s l yc o u n t v e h i c l e so fs e v e r a lt r a c k si nt h eo p t i c a lw i n d o ww i t h o u tb e i n gi n f l u e n c e db yt h e p o s i t i o no ft h et r a v e l i n gv e h i c l en om a t t e rw h e t h e r t h ev e h i c l ei so nt h er e g u l a rt r a c ko r n o t ，w h a tm o d e la n dh o wb i gt h ev e h i c l ei s i nt h ec a s eo fm i s t a k e na n do m i td e t e c t i o n ， t h i sm e t h o dh a si m p r o v e di t se f f i c i e n c yb ym a n ys t a t i s t i c sr a t i f i c a t i o nm e a s u r e ss u c ha s p r e p a r a t i v ee s t i m a t i o n ，r e c t i f i c a t i o na n d r e l a t i v em o d i f i c a t i o n ( 2 ) m u t i - k a l m a nf i l t e r i n ga l g o r i t h m f o ，a u t o m a t i ct r a c k i n go f m u l t i v e h i c l e ：a n i m p r o v e da l g o r i t h mo fm u l t i k a l m a nf i l t e r i n gf o rm u l t i v e h i c l et r a c k i n gi sp r o p o s e d t h em e t h o di sb a s e do nm o t i o no b j e c t ss e g m e n t a t i o nb yt w i c e - f r a m e d i f f e r e n c em a s k i m a g e s e a c hk a l m a nf i l t e ri sc r e a t e db a s e do ne a c hm o t i o no b j e c t a f t e rt h er e g i o n c o m b i n a t i o ni nt h ep r e d i c t i o ne s t i m a t i o na r e aa c c o r d i n gw i t ht h er e a ls i z eo fc a r si n v i d e os e q u e n c e ，t h em o v i n gc a rc a nb et r a c k e db yt h eb i g g e s tm o t i o no b j e c tm a s k ( 3 ) v e h i c l em o v i n gd i r e c t i o nd e t e c t i o na l g o r i t h mb a s e d o nr e s u l t so ft r a c k i n g ： an e wd e t e c t i n gm e t h o do fv e h i c l em o v i n gd i r e c t i o nf o rc o m p l i c a t e dt r a f f i cc r o s s i n g w a sp r e s e n t e d t ob e g i nw i t h ，t h ep a p e rd i s c u s s e st h ei m p r o v e m e n to ff r a m e - d i f f e r e n c e v a b s t r a c t m e t h o da n db u i l d sal a t e rd e t e c t i n gr e g i o nf o rv i d e oi m a g es e q u e n c ei nw h i c h t h ei m a g e i sb i n a r y a n dt h e n ，am e t h o db a s e do nm o r p h o l o g yi su s e dt oe l i m i n a t et h en o i s ea n d t h er e g i o n a lg r o w t hm e t h o di su s e dt of i n dt h et a r g e tv e h i c l e f i n a l l y ，t h ep a p e rm a k e s u s eo fm a dg u i d e l i n e sa n da ni m p r o v e dt h r e e s t e ps e a r c ha l g o r i t h mf o rm a t c h i n gt o c o m p l e t et h ed e t e c t i o no fv e h i c l em o v i n gd i r e c t i o n a c c o r d i n gt o t h ea b o v e m e n t i o n e dt e c h n i q u e s ，av i d e o b a s e dv e h i c l ed e t e c t i o n s y s t e mf o rt r a f f i cc r o s s i n gi sd e v e l o p e dw i t ht h ef u n c t i o nf o rv e h i c l ed e t e c t i o na n d v e h i c l em o v i n gd i r e c t i o nd e t e c t i o n t h et r a f f i cf l o wp a r a m e t e r so fe a c hd i r e c t i o ns u c h a sv e h i c l ef l o wa n dv e h i c l es p e e dc a nb eo b t a i n e du s i n go n ec a m e r aw i t h o u tt r a f f i c s i g n a l sb yt h es y s t e m ，a n dt h ea p p r o a c hg e t sg o o de f f e c t k e yw o r d s ：v e h i c l ed e t e c t i o n ；v i r t u a l - l i n e ；b a c k g r o u n ds u b t r a c t i o nm e t h o d ；r e g i o n c o m b i n a t i o n ；v e h i c l et r a c k i n gm e t h o d v i 学位论文独创性声明 本人声明，所呈交的学位论文系在导师指导下本人独立完成的研究成果。文中 引用他人的成果，均已做出明确标注或得到许可。论文内容未包含法律意义上已 属于他人的任何形式的研究成果，也不包含本人已用于其他学位申请的论文或成 果，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。 学位论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属山东轻工业 学院。山东轻工业学院享有以任何方式发表、复制、公开阅览、借阅以及申请专 利等权利，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名 单位仍然为山东轻工业学院。 论文作者签名： 导师签名： 山东轻t 业学院硕上学位论文 1 1 研究背景及意义 第1 章绪论 随着社会经济的不断发展，对交通运输的各种需求明显增长，现有交通路网 的通行能力与管理设施已经不能满足日益增长的交通流量需求，交通拥挤和堵塞 现象日趋严重，交通污染与事故越来越引起社会的普遍关注。目前，交通拥挤和 交通事故己成为全球交通运输业所面临的共同问题【l j 。 中国是一个经济高速增长的发展中国家，改革开放以来，城市化与汽车化发 展十分迅猛，交通流量迅速增加，交通阻塞、交通污染等问题相应恶化，交通基 础设施的利用与管理中的弊端逐渐凸现出来二十世纪九十年代以来，道路交通设 施及管理设施虽然有较大改观，但仍然跟不上机动车增长的速度，交通路网运输 的总体水平与发达国家有较大差距，特别是城市路网运输。中国城市道路运输存 在诸多的问题，如：路网结构不合理，道路功能不完善，道路系统不健全，交通 管理设施缺乏，管理水平不耐2 1 。近年来，许多地区都相继建立了交通监控中心， 以期通过高科技改善现有的道路通行能力，但大多只实现了监视功能，而远没有 发挥交通控制功能。交通控制及道路的利用效率是制约中国城市交通的重要因素， 也是快速解决城市交通问题的有效途径p j 。 解决中国同益增长的交通需求首先应该制定相关的道路发展规划及配套的法 律法规，保证道路建设合理高效的进行，为道路运输长期的良性循环发展打好基 础；其次是着手当前路网的改造，通过引入高新技术，完善路网的监控设施，并 同时改革管理体制，使现有的路网通行能力在短期内缓解交通流量的巨大压力。 目前，发达国家提高现有路网通行能力的主要方案是发展智能交通系统( i n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m ，简称i t s ) 。从各国的实际应用的效果来看，i t s 是一种非常 高效的解决方案，也是未来交通运输的发展方向。 i t s 通过将先进的信息技术、通信技术、控制技术、传感器技术和系统综合技 术有效地集成应用于交通运输领域，建立起全方位、实时准确、高效的交通运输 系统【4 】。i t s 的目标是减少交通运输产生的空气污染、减少无效的车辆行驶、提高 道路通行效率、使人和货物的运输快捷安全、保持社会可持续发展能力【5 】。 作为i t s 的基础部分，车辆检测系统在其中占有极其重要的地位，它为i t s 提供必要的数据来源。车辆检测系统的主要目标是获取车辆交通信息，其中包括 道路车流量、车速、车长、车型分类、车流密度、车辆排队长度、车辆转弯、车 辆停止或肇事情况等信息1 6 j ，主要侧重于对道路的宏观管理，该系统对交通道路的 管理有着十分重要的意义。目前在国内外常见的车辆检测方法有人工监测、地埋 式感应线圈检测、磁力计检测、超声波检测、视频检测等几大类方法【7 】。同其它方 第l 章绪论 法相比，视频检测具有以下特点： 无需破坏路面( 设置虚拟检测线) ，安装简单、维护容易、并且可以随时 改变检测区域的位置和大小； 检测的信息量大，可以多车道检测车辆数、车型、占有率、车速、停车时 间、停车排队长度等交通信息，还可以对视频图像场景内的交通状况进行 实时智能监控，当发现交通拥挤、车辆逆行、停车、违章、超速等事件时 报警，并自动录像，作为违章处罚和责任判定的依据； 实时性好，得到数据可以同时反馈利用，并且可以实时分析和绘制出各种 参数之间关系的图表，可省去大量的人力调查和计算分析； 性价比高，寿命长，经济性好； 扩展性强，具有二次开发功能。 由此可见视频检测同其它方法相比具有很大的优越性，尽管它还存在着易受 外界环境影响、检测准确率较低等缺点，但是随着计算机硬件和软件技术的发展， 己逐渐成为车辆检测中的一种新兴的主流技术。 本论文研究内容的完成是建立在山东省计算中心多媒体实验室所研究的基 于视频的交通路口车辆检测技术研究项目基础之上。项目完成的过程中，充分 发挥了理论与实践相结合，交通与计算机、电子信息技术等多学科相交叉的特点， 详细分析和研究了车辆视频检测方法中的关键技术，并初步开发出了基于视频的 交通路口车辆检测系统，这在国内也是一项尚未成熟的领域，因此具有一定的参 考价值和意义。 1 2 基于视频的车辆检测系统概述及构成 1 2 1 基于视频的车辆检测系统概述 通过对道路交通状况信息与交通目标的各种行为( 如违章超速，停车，超车等 等) 的实时检测，实现自动统计交通路段上行驶的机动车的数量、计算行驶车辆的 速度以及识别划分行驶车辆的类别等各种有关交通参数，达到监测道路交通状况 信息的作用。同时，将检测和识别到的交通信息存储起来，为分析和交通管理提 供依据，因此它也是一个交通信息的管理系统。 通过摄像机将道路交通流图像捕捉下来，再将这些捕捉到的序列图像送入计 算机进行图像处理、图像分析和图像理解，从而得到交通流数据和交通状况等交 通信息。 首先把摄像机安装在适当的位置，一般高度在5 2 0 米。如果道同有龙门架、过 街桥、隧道、红绿灯杆可直接安装，不需要再架设安装杆。摄像机为普通工业用 黑白或彩色c c d 芯片型，具有3 0 0 线以上的清晰度，安装在室外防护罩内。 2 山东轻t 业学院硕士学位论文 现在许多城市都安装有电子警察系统，可以直接利用其c c d 摄像机，使两者 合二为一，降低了成本：把摄像机拍摄的视频图像传到视频车检器上。在检测器 的视频画面上设置检测区域，这种使用软件的方法设置检测区域提高了系统的灵 活性和通用性，使他可以使用于各种交通道口；对获取的视频图像运用一定的图 像处理算法进行处理，提取需要的交通参数。把视频图像进行压缩，通过通信线 路或无线把交通参数和压缩后的图像传到远端控制中心，供操作人员使用。 1 2 2 基于视频的车辆检测系统的构成 基于视频的车辆检测系统是将摄像头安装在路杆或者其它高建筑物上并对下 面的路况进行监视，捕获的数字化视频信息有现场计算机( 内置高速d s p ) 进行处 理，再传送到交通管理中心。如图1 1 所示： 图1 1 基于视频车辆检测系统结构图 由此可以看出该系统主要由三部分组成：c c d 摄像头、视频采集卡和d s p 模块。 c c d 摄像头负责对特定区域的交通情况图像采集，并将图像信号传输给视频采集 卡，经过视频采集卡的处理，将模拟视频信号转换为数字视频信号，再将数字图 像送入至i j d s p 处理机中，d s p 处理机根据图像处理算法，得到实时交通信息，再传 输到管理中心，为整个交通控制提供依据，因此交通信息的准确采集决定于前端 的图像采集系统和图像处理算法【8 1 。 与视频检测密切相关的就是图像处理技术。数字图像处理是计算机技术、信 息论和信号处理相结合的综合性应用学科。如图1 2 所示。 捱 图像 人 狭义图像处理 图像理解 1图像理解 、 图像 符号 图1 2 图像处理学与相学科领域的关系 模 、 式新理论 识l 新上具 别新技术 第1 章绪论 目前在视频检测领域常用的方法有灰度法检测，背景差检测，帧差法，光流 场法等。随着智能技术的逐渐发展，如遗传算法、神经网络和模糊计算等技术的 应用，视频检测必将取得新的突破性的飞跃。 1 3 基于视频的车辆检测的国内外发展状况 传统的交通监控方法，如电磁感应环线圈式车辆检测器，不能识别车辆的行 驶方向，不能进行车辆分类等。雷达波检测器只能检测运动车辆，但对车辆缓行 和车辆静止的情况就无法检测出来。当图像处理发展成为一个比较成熟的领域， 出现了基于图像处理的交通监控系统，但是图像处理通常是把一副图像变成另一 副图像，图像处理仅是做了图像增强、图像压缩和模糊校正与非聚焦图像等工作， 它需要人工干预丢失信息的恢复任务。另外由于计算机软硬件的制约，能获得的 交通参数很有限，这样的系统无法及时将有关信息进行实时反馈，起不到交通发 生拥挤时及时疏导车辆的作用【9 j 。 从2 0 世纪8 0 年代起，人们就意识到智能化交通管理将是社会发展的必然。8 0 年代中期以来，计算机视觉获得了蓬勃发展，成为计算机科学的重要研究领域之 一。计算机视觉的研究目的是让计算机对周围世界的物体进行传感、抽象、判断 的能力，从而达到识别、分析和理解的目的。计算机视觉的任务是通过摄像机获 取二维图像，抽取物体的特征，对特征抽取的结果进行识别分类。从二维图像中 进行三维信息的理解，再对景物进行描述。近年来，交通监视控制系统越来越广 泛地采用计算机视觉和图像处理技术【l0 1 。视频检测技术也被称为数字图像处理技 术，是一种结合视频图像和电脑模式识别技术而应用于交通领域的新兴技术。它 通过视频摄像机和计算机模仿人眼的功能，将连续的模拟图像转换成离散的数字 图像后，在成熟的物理模型和数学模型的基础上编制软件进行分析处理，模拟各 种其它形式的车辆检测器获取交通信息，为交通领域的多种实际应用提供了工作 平台。 1 3 1 基于视频的车辆检测国内发展状况 随着视频交通检测技术的发展，用于车辆检测的各种新理论、新技术也层出 不穷。近年来，国内视频车辆检测技术已经应用在城市交通路口监测和高速公路 车速测量等方面。北京华恒信息系统有限公司的交通流量视频监测仪在交通路口 的监测方面取得了良好的效果，它是在人工智能和图像处理基础上通过分析移动 矢量，实时地分析录像中的交通流情况，并提取交通状况的主要信息，包括平均 速度，最低速度，最高速度和车流密度等。高速公路视频超速监控系统利用视频 图像处理技术，对高速公路车道上的汽车进行非接触式监控，获得车速、车牌号 4 山东轻t 业学院硕十学位论文 码、违章照片等运行状态信息，自动车牌识别速度快，准确率高，为实时违章处 理提供了可能。 国内有很多机构长期从事视频车辆检测技术的研究，针对车辆检测中的车辆 计数、分类和速度计量等基本交通参数的提取作了大量的研究工作，并提出了一 些新方法。 1 9 9 6 年，清华大学计算机科学与技术系的朱志刚等人提出了一个利用二维时 空图像进行交通自动监测的新方法。摄像机架设在公路上方，通过两个细缝监测 窗口一垂直于道路方向的车辆检测窗和平行于道路方向的速度监测窗来监视和 分析，便形成用于交通自动监测的二维全景 蛩( p v i ) $ 1 f i b 极面图( e p l ) 对这两个二维 时空图像作实时处理，诸如车辆计数、分类及速度的计量这些基本问题便可以解 决了【1 1 1 。 随着智能技术的广泛应用，遗传算法、小波分析、人工神经网和模糊理论已 经应用到车辆检测并取得了良好的效果。清华大学自动化系，智能技术与系统国 家重点实验室的吴裙文等提出了一种基于小波变化和主成分分析方法实现的车辆 静态图像检测方法。利用选定的车辆和背景训练样本集，用小波变换对样本进行 特征提取，通过主成分分析来设计适当的分类器，把带检测图像再多分辨率下组 块进行分类，以此来判断某区域内是否有车辆，完成车辆检测的任务。这种方法 简单，应用效果良好，具有较好的应用前剥1 2 】。 浙江工程学院计算机视觉与模式识别研究中心的周志宇等提出了基于遗传算 法的指数熵的动态阈值更新方法。采用指数熵作为遗传算法的适应性函数，通过 交叉操作和变异操作的相互配合，完成了对搜索空间的全局搜索和局部搜索，确 定图像流中差分图像的最优闽值，从而检测出动态图像序列的运动车辆【l 3 1 。 近年来，针对车辆检测中常用的图像处理方法，如灰度差法，背景差法，帧 差法，边缘检测法等方法自身的特点，结合所要解决的问题国内学者提出了一些 新方法。 基于视频的车辆检测与跟踪方法的准确性受环境因素影响很大，其中车辆的 运动阴影和车辆间的遮挡是两个重要因素。采用背景差法进行运动对象分割，并 结合运动边缘检测以提高检测的准确性，对提取出的感兴趣区域按一定规则进行 区域融和以检测车辆。该方法能有效解决车辆遮挡和阴影问题，实时提取交通信 息【1 4 】。 传统的帧差法是将相邻两帧图像相减，按车道开固定窗口对保留的运动车辆 信息进行检测，如何消除由于车辆换道或相邻车道的车辆部分覆盖了被检测车道 检测窗而引起的误检，是车辆检测系统需要解决的一大难题。针对上述问题提出 了一种基于视频的改进的帧差法，再检测带内有车辆信息生成数据流，根据数据 流的变化进行车辆检测、计数并估计平均车速。从而实现对过往车辆的准确计数， 第1 章绪论 更可靠地收集各车道的车辆信息，为智能交通提供实时交通参数【l5 1 。 东南大学的肖旺新等【l6 】基于小波变换的多尺度自适应阈值图像边缘检测的新 方法应用于交通图像边缘检测，可以很好的解决从局部高频信号中区分噪声与边 缘的问题。用大尺度的滤波器去抑制原图像的噪声，可靠地识别噪声：用小尺度滤 波器为图像边缘精确定位。 四川大学计算机学院图像图形研究所的周欣等i l7 1 ，在分形维的基础上提出了 方向分形维的算法，结合图像的灰度特征，用来提取车辆边缘并分割高速公路上 的车辆。处理结果显示了方向分形维较强的分割能力和对特殊背景噪声的鲁棒性。 综上所述，针对视频车辆检测中的一些技术难点，如图像分割阈值的选取、 阴影的抑制、车辆遮挡问题的解决等，国内学者也提出了一些好的解决方法，但 是在环境多变的实际场景中，很难保证一种方法在任何情况下都能准确的进行车 辆目标检测，所以这些技术难点的彻底解决以及将其应用到实际的检测系统中仍 需要进一步深入的研究。 1 3 2 基于视频的车辆检测国外发展状况 国外许多学者对交通车辆检测系统做了大量相关研究，其中包括当时有没有 车辆的到来、车辆流量的大小、车速的快慢以及车辆牌照的识别等，这些参数的 分析涉及到运动目标跟踪、模式识别、网络技术等领域，这方面的难点很多，要 做到完全自动化而不需要人工干预很难，特别是视频图像处理和识别是相当尖端 的科技，世界各国的学者为此做了大量的工作，也取得了不少的成果。 1 9 8 2 年，s t a k a b 1 8 l 等提出处理样本点的方法来检测车辆：在车道中取特定的样 本点，在样本点上取图像帧差，通过样本点的状态来检测车辆是否出现，并进一 步通过确定样本点在每个车道中的位置来进行车辆计数，通过测量每个车道中车 辆第一次触发和第二次触发样本点的相差时间，并测量每个交通车道中两样本点 间的距离束求解车辆的速度。此方法应用在东京大学开发的交通监控系统中，其 车辆的计数误差小于5 ，速度的误差小于1 0 。 1 9 8 4 年，t a b r 锄c z u k 【l9 】在检测线上应用图像帧差方法来检测车辆，每个车道 上设置平行于道路的一条检测线，每条检测线为3 个像素宽，根据车辆沿车道线的 长度方向移动状况，分割出运动车辆，通过跟踪这些分割出来的运动车辆，得到 车辆计数、求解车辆速度。此方法应用于瑞典皇家技术院开发的道路交通监视控 制系统中取得了满意的效果。 1 9 8 9 年，k w d i c k i n s o n 矛f i c i w a n 2 0 l 应用图像帧差技术在双向高速公路上对行 驶车辆进行计数和速度检测。图像区域取摄像机垂直向下的区域，由图像帧差得 到二值图像，由二值图像( 分别表示道路背景和车辆覆盖点) 来统计覆盖点数目和 6 山东轻t 业学院硕l 学位论文 沿道路方向覆盖点的移动数目，通过覆盖点比例和移动覆盖点数目可以求解车辆 计数和车辆速度。此方法应用在m a n c h e s t e r 科学技术学院和s h e f f i e l d 大学联合开发 的“图像处理交通研究 ( t r i p ) 中，其车辆计数的误差为1 ，车辆速度检测误差 为8 到1 7 。 1 9 9 1 年，n h o o s e 2 、n e i lh o o s e 2 2 1 $ i i d m k e l l y 2 3 1 提出了通过图像帧差和交通 量检测宏观分析方法来检测车辆的运动和静止状态，并进一步确定车辆的排队。 此方法不需判别和跟踪单个车辆，只需给出交通场景中运动和静止交通车辆空间 分布的定性描述。处理时把图像分成许多单元，每个单元大小大致是车道的宽度 和车辆的长度。每一单元可以处于无车、静止车辆和运动车辆状态，具有相同状 态的单元沿车道方向组成相同的目标。若全部包含静止状态的目标则表示排队状 态，否则表示非排队状态，确定单元状态可应用两种算法，一种算法是检测车辆， 另一种算法是检测运动状态。此方法应用在伦敦学院开发的i m p a c t s 交通监视控 制系统中，排队检测正确率达9 6 。 1 9 9 2 年，j 。v e r s a v e l 【2 4 】等和p b r i q u e t 2 5 提出了一种图像帧差和硬件实现的方法： 在每个车道上设置2 0 个像素，并分布在2 5 米长的视野范围内，通过检钡t 2 0 个像素 的状态和变化规律进行车辆计数，车速检测和车长检测此方法应用在l t n 时政 府、l e u v e n 大学和d e v f o n i c s 控制公司共同开发的“摄像机和计算机辅助交通传感 器”( c c a t s ) 商业系统中，系统可全天候工作。车辆计数误差为4 ，速度和车长检 测误差为8 1 6 。 1 9 9 4 年，加州大学伯克莱分校d k l o l l e r s n 他的研究小组【2 6 】提出了在同一时刻检 测和跟踪多辆车，并得到车辆形状信息的方法。此方法应用图像帧差技术进行运 动分割，背景图像用k a l m a n 滤波进行更新。图像帧差得到的结果用来初始化每一 个运动区域的轮廓或蛇形线，在连续图像中用k a l m a n 滤波跟踪轮廓的位置和形状， 通过检测闭合线得到车辆的形状信息，速度和流量检测是通过跟踪图像序列的特 征来检测的，首先提取图像中角点，然后应用相关性在图像序列中跟踪每一个角 点，由同一车辆运动的一致性条件把同一车辆的角点组合在一起，通过车辆在图 像序列中出现规律可计算出速度和流量，此方法在实际系统中等到了较好的应用。 p a n o sg m i c h a l o p o u l o s 2 7 l 乘l b i r a nc a r l s o n 2 8 1 提出了实时检测交通流参数的方 法。此方法应用于明尼苏达州立大学丌发的a u t os c o p e 商业系统中，该系统应用图 像处理技术来检测车辆，进行车辆计数获得车速、车辆是否出现等不同交通流参 数。在摄像机得到的道路图像中设置虚拟传感器，每个虚拟传感器只对道路图像 中的- d , 窗口进行操作，虚拟传感器可以是有车或无车中的一种状态，通过图像 帧差的方法和在潮湿道路上检测阴影和反射的方法确定传感器的状态，通过监视 控制一个或多个传感器的状态可以计算出车辆计数、车速、车长、流量、车道占 有率和车头时距。 7 第1 章绪论 通过以上综述可以看出：目前世界上基于视频的车辆检测技术路线主要是根 据图像的帧差法、背景差法、边缘检测法来检测车辆信息，具体实现是在摄取的 图像中的车道上作标记，根据标记上的灰度值的改变来统计车辆信息。 1 4 论文的主要工作和内容安排 车辆检测是自动交通监控系统的基本技术之一，只有从背景中准确地分割出， 才能进行车辆的识别与跟踪，才能进行各种交通流参数的测量与分析。因此，车 辆检测是车辆计数、车速度、车流量、车密度等各种交通流参数测量的基础。 本文以白天拍摄的视频序列为研究对象，对视频车辆检测和跟踪算法进行了 深入研究，并提出了三种算法：基于视频虚拟检测线的车辆检测算法、基于多 k a l m a n 滤波的多车辆自动跟踪算法、基于跟踪结果的车辆运动方向检测算法，在 此基础上设计了一套基于视频的交通路口车辆检测系统。 全文章节安排如下： 第一章为绪论部分，介绍了智能交通中视频车辆检测系统的研究背景、意义和 构成，并详细介绍了视频车辆检测系统的发展过程和相关技术领域，从而说明了 本文研究的必要性和重要性。 第二章为车辆视频检测预备知识部分。简单介绍了与该项目有关的数字图像处 理知识：彩色图像的灰度化、灰度图像的二值化、数学形态学图像处理以及图像 分割技术；介绍了当前的车辆检测算法：区域划分方法及车辆目标的提取方法； 介绍了运动目标跟踪的几种方法。 第三章提出了一种基于视频虚拟检测线的车辆检测算法。 第四章提出了一种基于多k a l m a n 滤波的多车辆自动跟踪算法。 第五章提出了一种基于跟踪结果的车辆运动方向检测算法。 第六章在前面章节分析的基础上构造了基于视频的交通路口车辆检测系统，阐 述了系统实现所需软硬件平台、系统功能模块和处理流程、系统界面设计及系统 的试验效果。 第七章为总结与展望部分，对全文进行总结，展望未来的研究方向。 8 山东轻t 业学院颀l 二学位论文 第2 章车辆视频检测预备知识 2 1 图像处理基础知识 图像是指用各种观测系统以不同形式和手段观测客观世界而获得的，可以直 接或间接作用于人眼并进而产生视知觉的实体【2 引，是表达视觉信息的一种物理形 式，一般图像采集的最终结果是某种能量的样本阵列，所以图像常用矩阵或数组 来表示，每个元素的坐标代表场景点的位置而元素的值代表场景点的某个特征量。 视频是指随时间变换一组数字图像序列，而且有时还包含相应的音频信息，是多 媒体信息的重要组成部分。数字视频是数字图像在时域上的序列。视频序列中的 每个图像称为帧，通常的视频文件是按每秒3 0 - 4 0 帧的速率运动的。在大多数情况 下，视频序列中的运动目标是入眼最为关注的部分【3 0 】。事实上，视频图像的最大 的特点是：它有丰富的原始数据、相邻近帧问的强相关性以及时域上的动态时变 模式等在很大程度上使运动目标易于检测、分割和识别成为可能；与静态图像相 比，图像序列及视频的最大优点就在于对运动信息的捕获。因此运动目标的提取 与分析理应是图像序列和视频研究的重点。 典型的车辆交通图像具有如下特点【3 i j ： 车辆是唯一运动的物体； 车辆运动基本与车道平行，很少有并道的现象； 路面上一般都存在与道路方向平行的白色分道线，分道线间距固定； 路面的平均灰度反映了当前的光照条件。 2 1 1 彩色图像的灰度化 彩色图像的灰度化技术在现代科技中应用越来越广泛，如汽车牌照识别，人 脸目标的检测与匹配以及运动物体目标的监测等等，在系统预处理阶段，都要把 采集来的彩色图像进行灰度化处理，这样既可以提高后续算法速度，而且可以提 高系统综合应用实效，达到更为理想的要求。 2 1 1 1 图像的色彩理论 自然界中颜色是由三种基本色g i ( r e d ) ，绿( g r e e n ) ，蓝( b l u e ) 组成，而计算机 中显示的任何种颜色都可以用这三种基本颜色按照不同的比例混合得到，这就 是三原色理论。公式如下： c = x r + y g + z b式( 2 1 ) 9 m2 1 辆w 拎d 月* m x4 - y4-z=l j f 22 1 托l r ( j b 为一原色，而x - y ，z 为3 种塾小颜色蚋系数，f 2 为任意一种麟色“ 算机图像颜色处圳足根槲乏元色理论，对一种墓笆分别量化成o * 0 2 5 5 共2 5 6 个绒 别，这样十m 捌 l 、绿、蓝三种a ：同肚也的组合就能够表不出2 5 6 x 2 5 6 一，2 5 6 种颜， 这么多种颜色对于人崛束说足够，。 扶度( g r a y s c a l e ) 就是指只乜龠亮度信息，不包食色彩信息的图像，引算机r 扣 表_ = i 、扶度h 足把亮度值进行节化等分成。一2 5 5 j t 2 5 6 个数别，o 壕暗( 仝黑) 2 5 5 最亮 ( 全闩) ，i ( i j ( i ! r g b 模“巾，如粜r = g - b 则例 也( r ，g b ) 就表_ i 出度色。 2 i i2 灰度转换 扶j 豆化过程蛙使创像的r g b s 鼋取相等的值，搭像f 原米的维特征降到扶 艘化后的一维特征必然丢失邮分信启，常见的扶度化方浊柏最人f 沾 ( r g bm a x g 印) 、r 均位法( r g b ( r + g + 回3 ) 、加权甲均值浊 ( 尺gb 彬x r + k g + k b ) 等。- l r 以霸i l l 不论粟耻州肿方沾，儿馘宵的柳l 也特征佧 上| 被改变或丢火他得同种。值化玎池为 幅彩幽小川的扶度化处 理过程常常柑到十| l d 的结粜。 考虑到罔像旧f 肥性，选用f l f l i 的公式进行扶度转换： g r a y = o3 0 x r + 05 9 x g + 0 】1 b f 23 、 r2 g2 日2 g 例 2 4 l 其。 r g r a y 表示【纠像r f l 像素的驭度恤r 戒不浚像素的红色分啭g 表4 ；绿也分 量，b 嵌币监色分最03 0 ，05 9 ，ol 】分别为吱翰和珥! 啥推导明得f i 的最台理扶艘 图像的权位。 酬2l 为原始图像及埘腑的扶搜图像。z - 图为原始幽像，右l 剖为其扶度l 划像。 蚓21m 蜘- 俐像技娃扶度嘲像 m 泉轻1 q k 院砸学* i 2 12 灰度图像的二值化 罔像的一值化处理m i 是将图像简单的分成背景和目标物体，最常用的方法就 是选取个闫值日，用d 将图像分成两大部分太于目区域( 通常为目标物体) 和小 于目的区域( 通常为背景) ，若输入图像为，( t ，) ，输出图像为g ( x , y ) ，则 出咖 ：，簧墨笔 蛔， 如果物体灰度分布在几个小相邻的区间内，一值化可表示为： 舳，= 怯鏊力 娟， 其中巾是组成物体各敏度值的集合。 通过阈值运算能否有效的