【正文】 交通場景機動車和攝像機作幾點假設(shè)：，可以認作或近似地看作平面，復雜的路面通常無法從圖像上對車輛進行有效定位；，不會突然轉(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；，攝像機移位將使車輛在圖像上的位置發(fā)生偏移，從而導致車輛定位偏差甚至錯誤。在前面提到的兩種方法中，前者的場景圖像標定過程較為復雜，在實際應(yīng)用中的可操作性較低，其測速精度和系統(tǒng)可靠性都得不到保證，并且未考慮多車道同時測速的情況。目前大部分方法屬于前者，后者具有代表性的是美國華盛頓大學研究的一種使用不帶刻度的攝像機對車速進行估計的方法。面式檢測法是在圖像上設(shè)置一定的區(qū)域作為檢測依據(jù)的方法。另外，基于視頻的檢測技術(shù)包括線式檢測法和面式檢測法。通過對連續(xù)視頻圖像的分析，跟蹤超速車輛行為過程?？煽啃愿?。速度的計算公式為v=s/，其中s為兩個線圈之間的距離，為車輛通過兩個線圈的時間差。這種方法比較經(jīng)典，檢測效果也不錯。對雨、霧、雪的穿透能力強，可以在惡劣氣候條件下工作，系統(tǒng)制作簡便，成本低。超聲波測速測距的基本原理是利用其反射特性。由于激光為點測量行為，無論是通過多普勒效應(yīng)還是激光高速測距來實現(xiàn)車輛的檢測，從理論上講是可行的并且檢測精度過程都相當高，但激光檢測中的激光束對人體主要是人眼的傷害是極為嚴重的問題。通過檢測道路和車輛發(fā)射能量之差，可以確定車輛存在。紅外檢測技術(shù)有兩種類型:第一種是主動式紅外檢測器。雷達測速利用多普勒效應(yīng)，通過雷達反射波相對于發(fā)射波的頻移計算出運物體的速度。目前，國內(nèi)外常用的車速檢測技術(shù)有雷達、紅外、激光、超聲波、磁性測速等。但是由于利用視頻圖像獲取實時交通參數(shù)的特殊復雜性，以及圖像工程用于交通領(lǐng)域歷史不長，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，如較亮的點或線，以此實現(xiàn)車輛跟蹤。該方法的特點是較好地解決了氣候、光線和周圍環(huán)境條件對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。通過識別出交通場景圖像中符合車輛特征的象素，進行圖像分割，并依據(jù)提取出的特征來匹配前后幀中車輛，從而計算交通參數(shù)。 早期大部分視頻檢測技術(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器。例如:日期，時間，街名，監(jiān)查人。目前，我國對于實時車速采集算法和實時交通數(shù)據(jù)檢測的研究還比較少，實時交通數(shù)據(jù)的擴展應(yīng)用和相關(guān)軟硬件的開發(fā)還比較薄弱，隨著我國交通工程智能化水平的不斷提高和道路交管部門的自動化水平的不斷改善，基于視頻圖像處理的實時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)展主流是道路運輸?shù)闹悄芑?，但是，要從根本上解決交通運輸問題，必定要實現(xiàn)整個綜合運輸系統(tǒng)的智能化。二是美日歐日益重視智能交通系統(tǒng)標準化研究。車輛運行速度檢測系統(tǒng)的研究與實現(xiàn)畢業(yè)論文目 錄第一章 緒論 1 1 1 常用的視頻檢測方法 2 3第二章 視頻測速系統(tǒng) 5 5 機動車視頻測速模型 5 視頻測速計時方案 6 交通場景圖像標定 6 車速計算公式 6 視頻測速模型精度分析 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 無影背景初始化算法 8 選擇性背景更新算法 9 運動物體陰影消除算法 9 視覺運動物體檢測算法 10 10 模板匹配 10 模板更新 10 機動車視頻測速系統(tǒng)工作流程及其關(guān)鍵技術(shù) 10第三章 攝像機標定 12 12 14 14 16 18 20 20 21第四章 其他視頻測速方法 27 27 相位相關(guān)法 28 28 29 視頻測速算法 30 32 32 33 采用牌照字符上下邊緣測速 34 動態(tài)閉值 35 性能分析 36第五章 結(jié)論及展望 37參考文獻 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大學畢業(yè)設(shè)計第一章 緒論國外智能交通系統(tǒng)(ITS)的發(fā)展始于20世紀60年代，目前國外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方面。美國國家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)了從單一的道路運輸智能化向綜合運輸智能化發(fā)展的趨勢。然而，國內(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)濟的發(fā)展和科技的進步，越來越多的科研機構(gòu)和公司開始進行這方面的研究，并取得了一些成績。該系統(tǒng)是測量動態(tài)路線的測速監(jiān)視器，信息直接保存在計算機上，工作系統(tǒng)運用專門的程序和方便的圖表，通過計算機錄像監(jiān)控部分路段，方便測量人員利用鍵盤控制測量速度等信息。 常用的視頻檢測方法目前實踐上已經(jīng)有不少視頻檢測產(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。由于交通場景象素值與路面(背景)象素值作差分比較僅僅可得到有無車輛通過采樣線位置這一唯一的特征值，而丟失了包括車輛長度、寬度和運動軌跡等特征，所以降低了系統(tǒng)的可靠性，同時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，能夠有較好的對應(yīng)關(guān)系。由于一段時間內(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為與背景幾乎相同，所以對比相減后結(jié)果，可以反映出車輛運動的軌跡。該方法計算量相對區(qū)域跟蹤較小，但是無法檢測靜止車輛，而且其檢測效果受車輛運動速度的影響，過快或過慢的車速都可能導致檢測錯誤?？梢钥闯?，各國研究者對視頻檢測技術(shù)做了很多有意義的工作并取得了相當?shù)某晒?。除了能?yīng)用于實時車速的檢測之外，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。這是最早接觸和使用的檢測技術(shù)，檢測設(shè)備稱為雷達測速器(或多普勒雷達)。一般雷達測速儀的測速范圍大約在(24199)km/h，測速范圍比較大，精確度也相當高，固定測速誤差為，運動時測誤差為。第二種是被動紅外檢測器，它本身不發(fā)射能量，而是檢測目標發(fā)射的能量。利用激光測量儀可測量物體的線速度，常用的激光測速儀主要有參考光束型和脈沖半導體型兩種。激光測速儀的取證能力遠遠大于雷達測速儀，因而受到全世界廣泛的認可和推廣。功率大。地磁式檢測技術(shù)是在地面埋設(shè)感應(yīng)線圈(或感應(yīng)棒)，通過感應(yīng)車輛的電磁信號來換算出其速度。采用地感線圈作為車速檢測的基本原理。靈敏度高。該方法是通過閉路電視系統(tǒng)或數(shù)字照相機、攝像機來進行現(xiàn)場數(shù)據(jù)采集，采用視頻識別技術(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先測定的一些參數(shù)算出車輛的實際三維位置，若在一個固定時間間隔內(nèi)拍攝兩幅圖像，則可以根兩幅圖像計算出的車輛實際三維位置得到車輛在此固定時間間隔內(nèi)的位移，從進一步確定車輛速度。按照是否需要輸入人工參照信息，可將現(xiàn)有視頻檢測車速的方法劃分成兩類:需要對視頻圖像進行標定的測速方法和無須對視頻圖像進行標定的測速方法。但是線式檢測法在提高檢測線的自適應(yīng)性和系統(tǒng)對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)有通過視頻檢測機動車行駛速度的方法劃分成兩類：需要對視頻圖像進行標定的測速方法和無須對視頻圖像進行標定的測速方法。該方法不足之處在于當陰影面積達到車輛面積的2/3時，車速估計值與實際值將出現(xiàn)較大偏差。 機動車視頻測速模型針對通過視頻檢測機動車行駛速度的問題統(tǒng)一建立，其模型如下：(1)視頻測速計時方案，即如何準確地計算車輛在視頻圖像上從一處行駛到另一處所經(jīng)歷的時間；(2)交通場景圖像標定，即建立實際場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，即在交通場景視頻圖像上準確，快速地定位，跟蹤行駛車輛。計時方案中的時間（幀數(shù)時）和最小計時單位定義為：幀數(shù)時是指圖像采集卡采集到某幀圖像所對應(yīng)的時刻，記作Tf； 最小計時單位為圖像采集卡采集一幀圖像所需要的時間記，作⊿Tm。由于后兩個參數(shù)的獲取直接或間接地涉及到實際交通場景，然而川流不息的交通環(huán)境往往限制了獲取這3 個參數(shù)的條件。由式()可知，若已知L1 和L2 在路面上的實際距離和車輛駛過L1 和L2 的幀數(shù)時之差便可計算出車輛在駛過視頻測速區(qū)域時的平均速度。圖2 描繪了機動車視頻測速模型達到最大誤差的兩種情況。這不僅達到了人們對測速精度的要求，而且可實現(xiàn)高精度機動車行駛速度檢測。雙重幀差分是從幀差分算法中衍生出來的一種MVO檢測算法，它通過對相繼的3 幀圖像進行差分，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算量小的優(yōu)點，同時又具備生成完整MVO 的能力。 ()式(3)中Ic 和Ir 分別表示輸入圖像和參照圖像(x, y)處像素的灰度值T 為閾值。對于一幅彩色背景圖像或當前圖像，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景圖像是動態(tài)變化的，為了準確地將MVO從當前圖像中提取出來，需要同步背景圖像與交通場景圖像的背景信息。（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)和飽和度等特征識別運動物體周圍的陰影，能夠取得較好的陰影檢測結(jié)果，并具有較高的算法效率?，F(xiàn)有的機動車視頻測速方法未考慮多機動車同時測速的實際需求。為了進一步提高算法效率，機動車視頻測速模型引入了金字塔算法對模板匹配過程進行加速。 模板更新行駛車輛在交通場景視頻圖像中是在不斷變化的，需對模板圖像進行更新。 機動車視頻測速系統(tǒng)工作流程及其關(guān)鍵技術(shù)依據(jù)上述機動車視頻測速模型，我們實現(xiàn)了一個實用的機動車視頻測速系統(tǒng)—LDF 視頻測速系統(tǒng)。并且利用緩沖區(qū)技術(shù)解決執(zhí)行速度不同的兩個線程間數(shù)據(jù)收發(fā)平衡的問題。真實場景中點的位置與圖像中對應(yīng)點的位置之間的幾何關(guān)系是由攝像機成像幾何模型決定的，這些幾何模型參數(shù)稱為攝像機參數(shù)。己有的的標定方法大體上可分為兩種類型:線性標定和非線性標定。以攝像機的光心O為原點，以經(jīng)過光心且相互垂直的三條Xc、Yc、Zc為坐標軸，建立攝像機坐標系O一Xc，Yc，Zc，其中Zc和光軸重合。假設(shè)離散化的像素點在x和y方向上的物理寬度為dx和dy。，m代表像素坐標，x代表世界坐標系的實際坐標，是常數(shù)因子，K取決于相機內(nèi)部參數(shù)。由于中間車道線的白色虛線間隔是等距的，通過實際測量得到其距離為6米，選定這個等距的白線作為參照物。 透視關(guān)系幾何推導圖其中D、E、F三點分別為視頻上用鼠標單擊的三個點，其所對應(yīng)的實際道路路面為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，兩個關(guān)系式中只有兩個變量，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點在F點左邊： () 第三種情況，M點在DF之間： () 第四種情況，M點在EF之間： () 根據(jù)這四個關(guān)系式，可以得到288行像素中到第0行的實際距離，用一個288大小的數(shù)組來表示，如MappedDis[120]=708是指從第0行到120行的實際距離為705厘米，即MappedDis [120]一MappedDis[0]=708。而實際情況中，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定，在列上也需要標定。 補償?shù)臉硕ㄊ疽鈭D一維標定中，在點擊了幾個等距的點后，默認為水平方向上等像素的點AB、EF實際距離也是相等的。由于透視關(guān)系，距離越遠的路面，同樣的像素間隔所對應(yīng)的實際距離就越大，所以AB的實際距離肯定要大于A39。 二維標定法的透視關(guān)系設(shè)置界面補償后的標定效果示意圖如圖3. 8所示。 二維標定算法的數(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)境中運行時，由于DSP可以分配給測速模塊的內(nèi)存較小，無法滿足二維標定所需要的存儲空間。 二維標定算法簡化后的透視關(guān)系設(shè)置界面通過這條斜線，就可以計算出斜線的斜率來，也就是說，可以計算出這條斜線與水平軸線的夾角。假設(shè)匹配模板中心點E的坐標為(192，129)，由于中間車道線坐標都為已知，那么經(jīng)過計算得出，直線E與中間車道線相交于點的坐標為(376，114)。線圈的寬度為1塊，即6個像素。(a)所示，)。 攝像機偏右時車道線（a）延長前（b）延長后 攝像機偏左時車道線（a）延長線（b）延長后:即攝像機標定技術(shù)中所需要用到的設(shè)置。透視關(guān)系用一個288大小的數(shù)組來表示，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。按照一維標定的原理，E, , B兩點的實際距離，P, Q兩點的實際距離等于M, N兩點的實際距離，都等于6米。，以隧道中間車道線的白色虛線