【正文】 然后對采集圖進行了包括腐蝕、膨脹、 開運算，閉運算 等一系列圖像處理操作，接著利用上述圖像操作數(shù)據(jù)對交通流擁堵狀態(tài)進行評價。當(dāng)“ 1”的個數(shù)達到某個長度時即認為該位置有新車到來，進行計數(shù)。連續(xù)的值為“ 0”的點，表示沒有車輛出現(xiàn)。 系統(tǒng)框圖如圖 所示： 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計 18 / 30 圖 像 采 集預(yù) 處 理背 景 建 模圖 像 分 割形 態(tài) 學(xué) 處 理提 取 車 輛 信 息車 輛 計 數(shù)背景更新 圖 系統(tǒng)功能框圖 車流量檢測算的 研究 當(dāng)車輛經(jīng)過檢測線時，檢測線上的圖像灰度將發(fā)生變化，對當(dāng)前幀的灰度跟背景幀的灰度相減，利用檢測線上運動象素的個數(shù)來確定是否有車輛通過，該方法計算車流量，算法非常簡單快捷。理論上車輛跟蹤法比虛擬檢測線法更為嚴(yán)謹(jǐn)，由于車輛跟蹤法是以大范圍的區(qū)域為處理對象，因此克服了虛擬檢測線法小范圍處理易受噪聲干擾的不足，而且交通參數(shù)提取也更為全面 。)。,3)。 實驗結(jié)果如圖 所示 ： 圖 開運算處理前后效果 閉運算及其實現(xiàn) 閉運算是先膨脹后腐蝕 ， 利用它可以填充物體內(nèi)細小空洞，連接臨近物體、平滑其邊界，但同時并不明顯改變原來物體的面積。 subplot(1,2,1),imshow(I)。 一般來說，開運算可以使圖像輪廓變得光滑，還能使狹窄的連接斷開和消除細毛刺。) subplot(1,2,2),imshow(uint8(bw1)), title(39。 利用用 matlab 進行實驗，實驗代碼如下： clear all 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計 14 / 30 bw = imread(39。 bw2= imdilate(bw,se2)。 膨脹 及 的 實現(xiàn) ： 對于集合 A 和 S，使用 S 對 A 進行膨脹 ,記為 A? S,定義為 : ????????? ?????????? ? ?AS ?zS|zA （ 31） 設(shè)原有圖像 S，當(dāng)其自身原點平移至 z 點時 S 相對于自身的原點的映像和 A 有公共的交集，即映像和 A 至少有一個點是重疊的，則所有這樣的 z 點構(gòu)成的集合為 S 對 A 的膨脹圖像。 用數(shù)學(xué)的方法建立背景模型是 背景模型 建立 法 的核心技術(shù)，所以 本章著重介紹了混合高斯建模法，講述了利用混合高斯模型，將道路上的運動車輛于道路背景分離的開的過程 。 p = alpha/w(i,j,k)。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計算方面首屈一指。 基本的學(xué)習(xí)流程如下所示： 遍歷每個高斯模型，比較下式： ? ? ? ?? ? ? ?1,1, 2*2 ??? ? fyxcflyxflyxIkk ?? （ 24） 如果對于所有的顏色分量都成立，那么就把該像素歸于第 B 個高斯模型，否則，就不屬于任何一個高斯模型，這就相當(dāng)于出現(xiàn)了野點。建模正是 對于 背景目標(biāo)提取的一個重要 的有效的 環(huán)節(jié)?；趫D像幀與幀之間的差值算法 是最為簡便的一種方法，通過對視頻圖像序列中相鄰兩幀做差分運算來獲得運動目標(biāo)輪廓，但是在提取目標(biāo)時候的效果并不理想。 論文的結(jié)構(gòu)安排 本論文共分五章，各章的主要內(nèi)容如下 : 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計 5 / 30 第一章為緒論，簡要介紹論文的研究背景、車輛檢測算法和產(chǎn)品的在國內(nèi)外的發(fā)展現(xiàn)狀及應(yīng)用前景，明確本論文研究的主要內(nèi)容，安排論文章節(jié)。在我國，起初計算機視頻檢測技術(shù)的研究基礎(chǔ)比較薄弱，尤其是視頻處理的關(guān)鍵技術(shù)，比如模式識別、計算機視覺的研究、數(shù)字圖像處理比國外落后 很多 。 背景更新算法的研究現(xiàn) 狀 在背景圖像更新的研究過程中近年來國內(nèi)外出現(xiàn)了一些切實有效的方法。因此，在橋梁、 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計 3 / 30 立交、高架路的安裝會受到限制，安裝困難，價格也比較昂貴。 微波車輛檢測器（ RTMS）的工作方式是：采用側(cè)掛式，在扇形區(qū)域內(nèi)發(fā)射連續(xù)的低功率調(diào)制微波，并在路面上留下一條長長的投影。 交通車輛檢測器的概述 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計 2 / 30 環(huán)形線圈檢測器 環(huán)形線圈檢測器是傳統(tǒng)的交通檢測器 又被稱做地感，一 般為一種埋設(shè)式的檢測系統(tǒng) ，是目前世界上用量最大 最多 的一種檢測設(shè)備。尤其是大城市，交通擁擠堵塞以及由此導(dǎo)致的一系列交通事故越趨頻繁，環(huán)境污染加劇，是我國城市面臨的極其嚴(yán)重的“城市病”之一，而且它已經(jīng)演變成了制約國民經(jīng)濟發(fā)展的瓶頸問題。s industrial technology got by leaps and bounds development, countries car number is growing rapidly. According to the ministry of public security traffic from the news of the administration, at present our country motor vehicl e quantities has reached billion vehicles, including cars more than 8500 vehicles. Car Numbers of the rapid increase in traffic congestion caused serious traffic accident frequency, traffic, the deterioration of the environment, to the urban road traffic problems put forward the ordeal. This paper in a static traffic scene for a pucker camera video as the research object, the scene to extract traffic in the parameters for the purpose, in refer to the related literature at home and abroad, on the basis of the involved several moving object detection method has summarized and pared, analyzes the vehicle detection method of the basic principle, application and advantages and disadvantages, using a suitable for traffic parameters testing method of detection, implements a video traffic detection system. This paper mainly the contents: (1) To introduce the now traffic vehicle detection monly used some methods, such as the ring coil of testing technology, microwave testing technology, etc. At the same time, based on video sequence of traffic flow statistics developed very rapidly in recent years, because it has a large system Settings detection area, flexible, and other prominent advantages, has bee the traffic flow to the research of statistics. (2) In the inspection of the traffic using the gaussian mixture model road extraction and realtime background background updates, and use of mathematical morphology method for 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計 image processing, then using virtual test line way of statistical vehicle number. (3) Use unit time through the intersection traffic to reflect this time of this section of the road traffic between the congestion. Key words: Traffic。根據(jù)來自公安部交通管理局的消息，目前我國機動車保有量已達 1. 99 億輛，其中汽車 8500多萬輛。 3. “完成任務(wù)情況 ”一檔應(yīng)按學(xué)生是否按進度保質(zhì)保量完成任務(wù)的情況填寫。 英文資料的相關(guān)譯文。因此，交通信息檢測系統(tǒng)被廣泛應(yīng)用于交通運輸生產(chǎn)實踐中，檢測的內(nèi)容包括每個車道所通過的車流量、車輛平均速度和瞬時速度、車型分類、平均車距、道路占有率等信息，對于交通運行效率和安全有著非常重要的應(yīng)用價值。 課題完成后應(yīng)提交的資料（或圖表、設(shè)計圖紙） 畢業(yè)設(shè)計的論文（中英文摘要、正文，參考文獻，附錄，致謝等）。 三、學(xué)生完成畢業(yè)設(shè)計（論文）階段任務(wù)情況檢查表 時間 第 一 階 段 第 二 階 段 第 三 階 段 內(nèi)容 組織紀(jì)律 完成任務(wù)情況 組織紀(jì)律 完成任務(wù)情況 組織紀(jì)律 完成任務(wù)情況 檢 查 記 錄 教師 簽字 簽字 日期 簽字 日期 簽字 日期 注： 1. 此表應(yīng)由指導(dǎo)教師認真填寫。 4.《畢業(yè)設(shè)計 (論文 )成績評定書》一份。 （ 2）在車流量檢測方面采用了混合高斯模型提取道路背景并進行實時背景更新，并利用形態(tài)學(xué)方法進行圖像處理，最后采用設(shè)置虛擬檢測線的方式統(tǒng)計車輛個數(shù)。根據(jù)來自公安部交通管理局的消息，目前我國機動車保有量已達 1. 99 億輛，其中汽車 8500多萬輛。 基于視頻的車輛檢測及擁堵預(yù)警系統(tǒng)加強了對道路交通系統(tǒng)的智能化監(jiān)控，使交通出行整體對能源的需求減少，進而減少了對環(huán)境的污染。 c. 感應(yīng)線 圈易受冰凍、路基下沉、鹽堿等自然環(huán)境的影響。一臺 RTMS 側(cè)掛可同時檢測 8 個車道的車流量、道路占有率和車速。而 使用線圈檢測器則需要不停的封路、施工、再封路、再施工。在背景 更新過程中首先通過二位掩模將當(dāng)前視頻圖像中的前景 (車輛、行人等 )去除，然后用剩下的背景像素 (瞬時背景 )與前一幀圖像的當(dāng)前背景加權(quán)平均得到當(dāng)前背景。 本文研究的主要內(nèi)容 近年來，隨著社會經(jīng)濟的快速發(fā)展，國內(nèi)許多公路（特別是京珠高速公路）的車流量與日俱增，引發(fā)了越來越多的交通事故和道路擁堵，造成了巨大的財產(chǎn)損失和人員傷亡。對本論文的研究工作進行了總結(jié)，并對今后在該領(lǐng)域里進一步的理論研究工作進行了展望。 對圖像背景建立高斯模型的原理及過程 可以理解為：由于 圖像灰度直方圖反映的是圖像中某個灰度值出現(xiàn)的 頻率 ，也可以 認 為是 對 圖像灰度概率密度的估計。 混合高斯背景建模流程 要點 1：將圖像中的每個圖像單位 (像素，塊等 )看成是從混合高斯分布樣本中采樣得到的隨機變量； 要點 2：根據(jù)先驗知識，每個像素點是前景或背景的先驗概率可以估值； 要點 3：考慮到背景的多模態(tài)和復(fù)雜度，一般的混合高斯模型采用 35 個單高斯模型進行混合。 背景建模流程的最后一步 最后一步就是把 K 個高斯模型按照優(yōu)先級別進行從大到小的排序，這里的優(yōu)先級別取決于權(quán)值和方差之比，即 ? ?? ?ｘ，ｙ，ｆｘ，ｙ，ｆ２ｋｋｗ? （ 29） 上式直接說明了在方差相等的情況下，權(quán)重越大，說明就越趨向于背景分布； 在權(quán)重相等的情況下，方差越小，也就是變量的分布越集中，那么就更加趨向于背景分布； 反之，則趨向于前景分布。 混合高斯模型變量初始化代碼 利用 matlab 強大的函數(shù)庫對一個交通路口的一段視頻進行了混合高斯建模提取的背景的方針測試，實驗部分代碼如下： %更新每個像素的高斯模型 for i=1:height for j=1:wid