【正文】 交通場(chǎng)景機(jī)動(dòng)車和攝像機(jī)作幾點(diǎn)假設(shè)：，可以認(rèn)作或近似地看作平面，復(fù)雜的路面通常無(wú)法從圖像上對(duì)車輛進(jìn)行有效定位；，不會(huì)突然轉(zhuǎn)彎，故車輛行駛速度在垂直于道路伸展方向上的分量較小，可以忽略不計(jì)；，攝像機(jī)移位將使車輛在圖像上的位置發(fā)生偏移，從而導(dǎo)致車輛定位偏差甚至錯(cuò)誤。在前面提到的兩種方法中，前者的場(chǎng)景圖像標(biāo)定過(guò)程較為復(fù)雜，在實(shí)際應(yīng)用中的可操作性較低，其測(cè)速精度和系統(tǒng)可靠性都得不到保證，并且未考慮多車道同時(shí)測(cè)速的情況。目前大部分方法屬于前者，后者具有代表性的是美國(guó)華盛頓大學(xué)研究的一種使用不帶刻度的攝像機(jī)對(duì)車速進(jìn)行估計(jì)的方法。面式檢測(cè)法是在圖像上設(shè)置一定的區(qū)域作為檢測(cè)依據(jù)的方法。另外，基于視頻的檢測(cè)技術(shù)包括線式檢測(cè)法和面式檢測(cè)法。通過(guò)對(duì)連續(xù)視頻圖像的分析，跟蹤超速車輛行為過(guò)程?？煽啃愿?。速度的計(jì)算公式為v=s/，其中s為兩個(gè)線圈之間的距離，為車輛通過(guò)兩個(gè)線圈的時(shí)間差。這種方法比較經(jīng)典，檢測(cè)效果也不錯(cuò)。對(duì)雨、霧、雪的穿透能力強(qiáng)，可以在惡劣氣候條件下工作，系統(tǒng)制作簡(jiǎn)便，成本低。超聲波測(cè)速測(cè)距的基本原理是利用其反射特性。由于激光為點(diǎn)測(cè)量行為，無(wú)論是通過(guò)多普勒效應(yīng)還是激光高速測(cè)距來(lái)實(shí)現(xiàn)車輛的檢測(cè)，從理論上講是可行的并且檢測(cè)精度過(guò)程都相當(dāng)高，但激光檢測(cè)中的激光束對(duì)人體主要是人眼的傷害是極為嚴(yán)重的問(wèn)題。通過(guò)檢測(cè)道路和車輛發(fā)射能量之差，可以確定車輛存在。紅外檢測(cè)技術(shù)有兩種類型:第一種是主動(dòng)式紅外檢測(cè)器。雷達(dá)測(cè)速利用多普勒效應(yīng)，通過(guò)雷達(dá)反射波相對(duì)于發(fā)射波的頻移計(jì)算出運(yùn)物體的速度。目前，國(guó)內(nèi)外常用的車速檢測(cè)技術(shù)有雷達(dá)、紅外、激光、超聲波、磁性測(cè)速等。但是由于利用視頻圖像獲取實(shí)時(shí)交通參數(shù)的特殊復(fù)雜性，以及圖像工程用于交通領(lǐng)域歷史不長(zhǎng)，目前該技術(shù)仍處于不斷完善中。(4)特征跟蹤:為解決不同車輛圖像重合的難題，該方法著眼于車輛的局部特征，如較亮的點(diǎn)或線，以此實(shí)現(xiàn)車輛跟蹤。該方法的特點(diǎn)是較好地解決了氣候、光線和周圍環(huán)境條件對(duì)視頻圖像的影響這一難題。根據(jù)跟蹤方法的不同可以分為以下幾類。通過(guò)識(shí)別出交通場(chǎng)景圖像中符合車輛特征的象素，進(jìn)行圖像分割，并依據(jù)提取出的特征來(lái)匹配前后幀中車輛，從而計(jì)算交通參數(shù)。 早期大部分視頻檢測(cè)技術(shù)是采用是虛擬線圈法,如AUTOSCOPE, CCATS, TAS,IMPACTS, Traffic Cam等，其工作原理類似于地埋式線圈檢測(cè)器。例如:日期，時(shí)間，街名，監(jiān)查人。目前，我國(guó)對(duì)于實(shí)時(shí)車速采集算法和實(shí)時(shí)交通數(shù)據(jù)檢測(cè)的研究還比較少，實(shí)時(shí)交通數(shù)據(jù)的擴(kuò)展應(yīng)用和相關(guān)軟硬件的開發(fā)還比較薄弱，隨著我國(guó)交通工程智能化水平的不斷提高和道路交管部門的自動(dòng)化水平的不斷改善，基于視頻圖像處理的實(shí)時(shí)交通流信息采集系統(tǒng)必將有廣闊的前景。目前世界TIS的發(fā)展主流是道路運(yùn)輸?shù)闹悄芑?，但是，要從根本上解決交通運(yùn)輸問(wèn)題，必定要實(shí)現(xiàn)整個(gè)綜合運(yùn)輸系統(tǒng)的智能化。二是美日歐日益重視智能交通系統(tǒng)標(biāo)準(zhǔn)化研究。車輛運(yùn)行速度檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)畢業(yè)論文目 錄第一章 緒論 1 1 1 常用的視頻檢測(cè)方法 2 3第二章 視頻測(cè)速系統(tǒng) 5 5 機(jī)動(dòng)車視頻測(cè)速模型 5 視頻測(cè)速計(jì)時(shí)方案 6 交通場(chǎng)景圖像標(biāo)定 6 車速計(jì)算公式 6 視頻測(cè)速模型精度分析 7 7 圖像處理算法 8 8 自適應(yīng)圖像差分閾值選取算法 8 無(wú)影背景初始化算法 8 選擇性背景更新算法 9 運(yùn)動(dòng)物體陰影消除算法 9 視覺運(yùn)動(dòng)物體檢測(cè)算法 10 10 模板匹配 10 模板更新 10 機(jī)動(dòng)車視頻測(cè)速系統(tǒng)工作流程及其關(guān)鍵技術(shù) 10第三章 攝像機(jī)標(biāo)定 12 12 14 14 16 18 20 20 21第四章 其他視頻測(cè)速方法 27 27 相位相關(guān)法 28 28 29 視頻測(cè)速算法 30 32 32 33 采用牌照字符上下邊緣測(cè)速 34 動(dòng)態(tài)閉值 35 性能分析 36第五章 結(jié)論及展望 37參考文獻(xiàn) 38謝 辭 39附錄A：外文翻譯原文部分 40附錄B：外文翻譯譯文部分 47IIIXXXXX大學(xué)畢業(yè)設(shè)計(jì)第一章 緒論國(guó)外智能交通系統(tǒng)(ITS)的發(fā)展始于20世紀(jì)60年代，目前國(guó)外ITS的研究、開發(fā)和利用主要集中在城市交通和高速公路兩個(gè)方面。美國(guó)國(guó)家ITS體系結(jié)構(gòu)的研究始于1992年，采取自上而下的模式推進(jìn)ITS體系結(jié)構(gòu)的開發(fā)。三是智能交通系統(tǒng)出現(xiàn)了從單一的道路運(yùn)輸智能化向綜合運(yùn)輸智能化發(fā)展的趨勢(shì)。然而，國(guó)內(nèi)在基于視頻圖像處理技術(shù)的交通信息采集方面的研究起步較晚，在交通迅猛發(fā)展的今天，隨著經(jīng)濟(jì)的發(fā)展和科技的進(jìn)步，越來(lái)越多的科研機(jī)構(gòu)和公司開始進(jìn)行這方面的研究，并取得了一些成績(jī)。該系統(tǒng)是測(cè)量動(dòng)態(tài)路線的測(cè)速監(jiān)視器，信息直接保存在計(jì)算機(jī)上，工作系統(tǒng)運(yùn)用專門的程序和方便的圖表，通過(guò)計(jì)算機(jī)錄像監(jiān)控部分路段，方便測(cè)量人員利用鍵盤控制測(cè)量速度等信息。 常用的視頻檢測(cè)方法目前實(shí)踐上已經(jīng)有不少視頻檢測(cè)產(chǎn)品VIPS(video Image Processing System)，按工作原理可分為兩類:虛擬線圈法 (tripwire systems)(或虛擬檢測(cè)線法)和車輛跟蹤法，下面介紹這兩種方法的工作原理。由于交通場(chǎng)景象素值與路面(背景)象素值作差分比較僅僅可得到有無(wú)車輛通過(guò)采樣線位置這一唯一的特征值，而丟失了包括車輛長(zhǎng)度、寬度和運(yùn)動(dòng)軌跡等特征，所以降低了系統(tǒng)的可靠性，同時(shí)也未能充分利用圖像信息。但是該方法的難度在于特征的提取和特征的跟蹤:首先，特征必須有代表性，圖像中的車輛都具備該特征且各不相同:其次同一車輛在不同幀圖像中特征應(yīng)該具有相關(guān)性，能夠有較好的對(duì)應(yīng)關(guān)系。由于一段時(shí)間內(nèi)拍攝圖像所處環(huán)境光線條件變化很小，相鄰幀的圖像可以認(rèn)為與背景幾乎相同，所以對(duì)比相減后結(jié)果，可以反映出車輛運(yùn)動(dòng)的軌跡。該方法計(jì)算量相對(duì)區(qū)域跟蹤較小，但是無(wú)法檢測(cè)靜止車輛，而且其檢測(cè)效果受車輛運(yùn)動(dòng)速度的影響，過(guò)快或過(guò)慢的車速都可能導(dǎo)致檢測(cè)錯(cuò)誤。可以看出，各國(guó)研究者對(duì)視頻檢測(cè)技術(shù)做了很多有意義的工作并取得了相當(dāng)?shù)某晒?。除了能?yīng)用于實(shí)時(shí)車速的檢測(cè)之外，本論文的研究將為圖像處理技術(shù)的其他應(yīng)用開發(fā)積累經(jīng)驗(yàn)。這是最早接觸和使用的檢測(cè)技術(shù)，檢測(cè)設(shè)備稱為雷達(dá)測(cè)速器(或多普勒雷達(dá))。一般雷達(dá)測(cè)速儀的測(cè)速范圍大約在(24199)km/h，測(cè)速范圍比較大，精確度也相當(dāng)高，固定測(cè)速誤差為，運(yùn)動(dòng)時(shí)測(cè)誤差為。第二種是被動(dòng)紅外檢測(cè)器，它本身不發(fā)射能量，而是檢測(cè)目標(biāo)發(fā)射的能量。利用激光測(cè)量?jī)x可測(cè)量物體的線速度，常用的激光測(cè)速儀主要有參考光束型和脈沖半導(dǎo)體型兩種。激光測(cè)速儀的取證能力遠(yuǎn)遠(yuǎn)大于雷達(dá)測(cè)速儀，因而受到全世界廣泛的認(rèn)可和推廣。功率大。地磁式檢測(cè)技術(shù)是在地面埋設(shè)感應(yīng)線圈(或感應(yīng)棒)，通過(guò)感應(yīng)車輛的電磁信號(hào)來(lái)?yè)Q算出其速度。采用地感線圈作為車速檢測(cè)的基本原理。靈敏度高。該方法是通過(guò)閉路電視系統(tǒng)或數(shù)字照相機(jī)、攝像機(jī)來(lái)進(jìn)行現(xiàn)場(chǎng)數(shù)據(jù)采集，采用視頻識(shí)別技術(shù)和數(shù)字化技術(shù)分析交通數(shù)據(jù)，利用車輛圖像中車輛的二維位置以及預(yù)先測(cè)定的一些參數(shù)算出車輛的實(shí)際三維位置，若在一個(gè)固定時(shí)間間隔內(nèi)拍攝兩幅圖像，則可以根兩幅圖像計(jì)算出的車輛實(shí)際三維位置得到車輛在此固定時(shí)間間隔內(nèi)的位移，從進(jìn)一步確定車輛速度。按照是否需要輸入人工參照信息，可將現(xiàn)有視頻檢測(cè)車速的方法劃分成兩類:需要對(duì)視頻圖像進(jìn)行標(biāo)定的測(cè)速方法和無(wú)須對(duì)視頻圖像進(jìn)行標(biāo)定的測(cè)速方法。但是線式檢測(cè)法在提高檢測(cè)線的自適應(yīng)性和系統(tǒng)對(duì)光線變化的魯棒性等方面，均受到較大的限制。第二章 視頻測(cè)速系統(tǒng)按照是否需要輸入人工參照信息，可將現(xiàn)有通過(guò)視頻檢測(cè)機(jī)動(dòng)車行駛速度的方法劃分成兩類：需要對(duì)視頻圖像進(jìn)行標(biāo)定的測(cè)速方法和無(wú)須對(duì)視頻圖像進(jìn)行標(biāo)定的測(cè)速方法。該方法不足之處在于當(dāng)陰影面積達(dá)到車輛面積的2/3時(shí)，車速估計(jì)值與實(shí)際值將出現(xiàn)較大偏差。 機(jī)動(dòng)車視頻測(cè)速模型針對(duì)通過(guò)視頻檢測(cè)機(jī)動(dòng)車行駛速度的問(wèn)題統(tǒng)一建立，其模型如下：(1)視頻測(cè)速計(jì)時(shí)方案，即如何準(zhǔn)確地計(jì)算車輛在視頻圖像上從一處行駛到另一處所經(jīng)歷的時(shí)間；(2)交通場(chǎng)景圖像標(biāo)定，即建立實(shí)際場(chǎng)景位置與視頻圖像位置的映射關(guān)系；(3)行駛車輛定位跟蹤，即在交通場(chǎng)景視頻圖像上準(zhǔn)確，快速地定位，跟蹤行駛車輛。計(jì)時(shí)方案中的時(shí)間（幀數(shù)時(shí)）和最小計(jì)時(shí)單位定義為：幀數(shù)時(shí)是指圖像采集卡采集到某幀圖像所對(duì)應(yīng)的時(shí)刻，記作Tf； 最小計(jì)時(shí)單位為圖像采集卡采集一幀圖像所需要的時(shí)間記，作⊿Tm。由于后兩個(gè)參數(shù)的獲取直接或間接地涉及到實(shí)際交通場(chǎng)景，然而川流不息的交通環(huán)境往往限制了獲取這3 個(gè)參數(shù)的條件。由式()可知，若已知L1 和L2 在路面上的實(shí)際距離和車輛駛過(guò)L1 和L2 的幀數(shù)時(shí)之差便可計(jì)算出車輛在駛過(guò)視頻測(cè)速區(qū)域時(shí)的平均速度。圖2 描繪了機(jī)動(dòng)車視頻測(cè)速模型達(dá)到最大誤差的兩種情況。這不僅達(dá)到了人們對(duì)測(cè)速精度的要求，而且可實(shí)現(xiàn)高精度機(jī)動(dòng)車行駛速度檢測(cè)。雙重幀差分是從幀差分算法中衍生出來(lái)的一種MVO檢測(cè)算法，它通過(guò)對(duì)相繼的3 幀圖像進(jìn)行差分，可以得出較為完整的MVO 背景扣除算法既繼承了幀間差分計(jì)算量小的優(yōu)點(diǎn)，同時(shí)又具備生成完整MVO 的能力。 ()式(3)中Ic 和Ir 分別表示輸入圖像和參照?qǐng)D像(x, y)處像素的灰度值T 為閾值。對(duì)于一幅彩色背景圖像或當(dāng)前圖像，可以將其看作是其RGB顏色分量上的灰度圖像的疊加。 無(wú)影背景初始化算法為了執(zhí)行背景更新算法，首先必須建立初始的背景圖像。 選擇性背景更新算法由于交通場(chǎng)景圖像是動(dòng)態(tài)變化的，為了準(zhǔn)確地將MVO從當(dāng)前圖像中提取出來(lái)，需要同步背景圖像與交通場(chǎng)景圖像的背景信息。（2）非基于模型的確定性方法在HSV 顏色空間利用灰度，色調(diào)和飽和度等特征識(shí)別運(yùn)動(dòng)物體周圍的陰影，能夠取得較好的陰影檢測(cè)結(jié)果，并具有較高的算法效率。現(xiàn)有的機(jī)動(dòng)車視頻測(cè)速方法未考慮多機(jī)動(dòng)車同時(shí)測(cè)速的實(shí)際需求。為了進(jìn)一步提高算法效率，機(jī)動(dòng)車視頻測(cè)速模型引入了金字塔算法對(duì)模板匹配過(guò)程進(jìn)行加速。 模板更新行駛車輛在交通場(chǎng)景視頻圖像中是在不斷變化的，需對(duì)模板圖像進(jìn)行更新。 機(jī)動(dòng)車視頻測(cè)速系統(tǒng)工作流程及其關(guān)鍵技術(shù)依據(jù)上述機(jī)動(dòng)車視頻測(cè)速模型，我們實(shí)現(xiàn)了一個(gè)實(shí)用的機(jī)動(dòng)車視頻測(cè)速系統(tǒng)—LDF 視頻測(cè)速系統(tǒng)。并且利用緩沖區(qū)技術(shù)解決執(zhí)行速度不同的兩個(gè)線程間數(shù)據(jù)收發(fā)平衡的問(wèn)題。真實(shí)場(chǎng)景中點(diǎn)的位置與圖像中對(duì)應(yīng)點(diǎn)的位置之間的幾何關(guān)系是由攝像機(jī)成像幾何模型決定的，這些幾何模型參數(shù)稱為攝像機(jī)參數(shù)。己有的的標(biāo)定方法大體上可分為兩種類型:線性標(biāo)定和非線性標(biāo)定。以攝像機(jī)的光心O為原點(diǎn)，以經(jīng)過(guò)光心且相互垂直的三條Xc、Yc、Zc為坐標(biāo)軸，建立攝像機(jī)坐標(biāo)系O一Xc，Yc，Zc，其中Zc和光軸重合。假設(shè)離散化的像素點(diǎn)在x和y方向上的物理寬度為dx和dy。，m代表像素坐標(biāo)，x代表世界坐標(biāo)系的實(shí)際坐標(biāo)，是常數(shù)因子，K取決于相機(jī)內(nèi)部參數(shù)。由于中間車道線的白色虛線間隔是等距的，通過(guò)實(shí)際測(cè)量得到其距離為6米，選定這個(gè)等距的白線作為參照物。 透視關(guān)系幾何推導(dǎo)圖其中D、E、F三點(diǎn)分別為視頻上用鼠標(biāo)單擊的三個(gè)點(diǎn)，其所對(duì)應(yīng)的實(shí)際道路路面為A、B、C，即AB=BC=6米。DE和 EF的像素距離已知。求解方法如下:由MF//NH，得出，可以得出，由MF//AG，得出，可以得出將NP, QH, AK代入下面兩式:由ACG相似于NCH，得出，即由ABK相似于NBQ，得出，即可以得出： 即： ()此時(shí)，兩個(gè)關(guān)系式中只有兩個(gè)變量，NA和，解此二元一次方程式得： () 同理，求出其它幾種的情況的結(jié)果:第二種情況，M點(diǎn)在F點(diǎn)左邊： () 第三種情況，M點(diǎn)在DF之間： () 第四種情況，M點(diǎn)在EF之間： () 根據(jù)這四個(gè)關(guān)系式，可以得到288行像素中到第0行的實(shí)際距離，用一個(gè)288大小的數(shù)組來(lái)表示，如MappedDis[120]=708是指從第0行到120行的實(shí)際距離為705厘米，即MappedDis [120]一MappedDis[0]=708。而實(shí)際情況中，攝像頭不可能正好位于車輛的正上方，都有一定的角度偏差，或者偏左，或者偏右，即不僅在行上需要標(biāo)定，在列上也需要標(biāo)定。 補(bǔ)償?shù)臉?biāo)定示意圖一維標(biāo)定中，在點(diǎn)擊了幾個(gè)等距的點(diǎn)后，默認(rèn)為水平方向上等像素的點(diǎn)AB、EF實(shí)際距離也是相等的。由于透視關(guān)系，距離越遠(yuǎn)的路面，同樣的像素間隔所對(duì)應(yīng)的實(shí)際距離就越大，所以AB的實(shí)際距離肯定要大于A39。 二維標(biāo)定法的透視關(guān)系設(shè)置界面補(bǔ)償后的標(biāo)定效果示意圖如圖3. 8所示。 二維標(biāo)定算法的數(shù)據(jù)結(jié)構(gòu)必須有所改變，從288大小變?yōu)?20*288大小。但在DSP環(huán)境中運(yùn)行時(shí)，由于DSP可以分配給測(cè)速模塊的內(nèi)存較小，無(wú)法滿足二維標(biāo)定所需要的存儲(chǔ)空間。 二維標(biāo)定算法簡(jiǎn)化后的透視關(guān)系設(shè)置界面通過(guò)這條斜線，就可以計(jì)算出斜線的斜率來(lái)，也就是說(shuō)，可以計(jì)算出這條斜線與水平軸線的夾角。假設(shè)匹配模板中心點(diǎn)E的坐標(biāo)為(192，129)，由于中間車道線坐標(biāo)都為已知，那么經(jīng)過(guò)計(jì)算得出，直線E與中間車道線相交于點(diǎn)的坐標(biāo)為(376，114)。線圈的寬度為1塊，即6個(gè)像素。(a)所示，)。 攝像機(jī)偏右時(shí)車道線（a）延長(zhǎng)前（b）延長(zhǎng)后 攝像機(jī)偏左時(shí)車道線（a）延長(zhǎng)線（b）延長(zhǎng)后:即攝像機(jī)標(biāo)定技術(shù)中所需要用到的設(shè)置。透視關(guān)系用一個(gè)288大小的數(shù)組來(lái)表示，如 MappedDis[1501=1099表示第150行像素到第0行像素的距離是1099厘米，從而得出，120到150像素的距離，等于MappedDis[150]減去MappedDis[120]。M、有微小誤差存在。按照一維標(biāo)定的原理，E, , B兩點(diǎn)的實(shí)際距離，P, Q兩點(diǎn)的實(shí)際距離等于M, N兩點(diǎn)的實(shí)際距離，都等于6米。，以隧道中間車道線的白色虛線