【正文】 .39。))。%N 在最下方，實(shí)現(xiàn) end if c(t)x1 NA1=2*AB*EF*MD/(EF*DE+DE*DEMD*DE+MD*EF)。global y1。global AB。 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 36 EF=[(x2x3)^2+(y2y3)^2]^。y2=(y1+z*y3)/(1+z)。r.39。%[x1,y1] = ginput(1)。 x=0::1000。color39。)。 BB(in,:) = AA(in,:)。 if length(a) = 3 va = round(a)。,... 39。 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 34 end plot([xi,a(1,1)], [yi,b(1,1)], 39。MarkerFaceColor39。s39。,... 39。 if n 1 plot([xi,a(n1,1)], [yi,b(n1,1)], 39。 imshow(A)。 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 33 L1=length(AB)。)。 for i = 1 : length(stats) temp = stats(i).Centroid。%設(shè)置結(jié)構(gòu)元素 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 32 I2=imopen(bw1,SE)。 bw=im2bw(B)。 x = 1:size(A,1)。,39。,39。g39。LineWidth39。,39。,39。 %區(qū)域選擇 n = 0。)%將圖像轉(zhuǎn)變?yōu)榫仃嚥⒈容^，若相同則返回 1 continue。 set(,39。您沒有正確選擇文件夾 39。 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 30 figure, imshow(wnr3),title(39。截圖 .jpg39。 H= medfilt2(noi)。 I = imread(39。title(39。)。二值圖黑白互換 39?；叶葓D 39。原圖 .jpg39。 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 27 謝 辭 在廖文俊老師的悉心指導(dǎo)下，本次畢業(yè)設(shè)計(jì)的任務(wù)終于得以順利完成。 而本文從開始介紹的 視頻法計(jì)算車速的背景、作用、意義，介紹和分析了圖像處理技術(shù) 的相關(guān)知識(shí)和處理技術(shù)，創(chuàng)新性地提出了交互式提取運(yùn)動(dòng)目標(biāo)的方法，還糾正了攝像機(jī)標(biāo)定公式，最后完成了一個(gè)交通事故案例的計(jì)算。 ◇ 最小矩形長度的計(jì)算上，因?yàn)橛袝r(shí)可能出現(xiàn)最小矩形不是 車長的情況。把這兩次得到的測量值帶入公式（ ）可得到理論上的真實(shí)值為 。點(diǎn)擊“讀圖”，在出現(xiàn)的對話框中選擇圖片。其他案例如出現(xiàn)圖 ，完全可以用地標(biāo)線作為標(biāo)定線。視頻圖像連續(xù)、清楚 ，能夠滿足鑒定要求。如圖 ：該圖為某道路，經(jīng)測量道路標(biāo)記線長為 2m，間隔 4m，則相鄰叉形符號(hào)相鄰間隔 6m，要測的距離為圓形標(biāo)記到最近叉形符號(hào)距離（ 8m）。這就要給圖像賦予一個(gè)三維空間軸，即 XYZ軸。 用 12, ,..., n? ? ? 表示 12, ,..., ny y y 的誤差，應(yīng)有： 1 1 1()y a bx? ? ? ? （ ） 2 2 2()y a bx? ? ? ? （ ） ?? ()n n ny a bx? ? ? ? （ ） 按最小二乘原理，直線度最佳值應(yīng)該滿足： 2211( ) m innni i iii y a bx???? ? ? ??? （ ） 為了求 2i?? 的最小值，把（ ）式對 a 和 b 求偏導(dǎo)數(shù) (把 ix 和 iy 看成常量 )，并令一階偏導(dǎo)數(shù)為零，有： 211( ) 2 ( ) 0nni i iii y a b xa ???? ? ? ? ? ?? ?? 211( ) 2 ( ) 0nni i i iii y a b x xb ???? ? ? ? ? ?? ?? 整理后得到： 2xy nx yb x nx x??? ???? （ ） 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 13 a y bx?? （ ） 方程 y a bx?? 為所求的線性回歸方程，得到的曲線為車輛在視頻上的運(yùn)動(dòng)軌跡。質(zhì)心的坐標(biāo)為： ( , )( , )wnwnx f x yf x yx?? ?? ? （ ） 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 11 ( , )( , )wnwny f x yf x yy?? ?? ? （ ） 圖 運(yùn)動(dòng)目標(biāo)的質(zhì)心 選取運(yùn)動(dòng)目標(biāo)最小外接矩形的幾何中心 若物體邊界已知，用其外接矩形的尺寸來刻畫它的長寬是最簡單的方法。 直接選取 直接選取是指在圖像上根據(jù)操作者的經(jīng)驗(yàn)判斷拾取特定的點(diǎn)，如車燈、車輪、車牌、幾何圖形的端點(diǎn)等。這樣處理過后可以排除因?yàn)榄h(huán)境變化而產(chǎn)生的干擾 ， 而且可 以把汽車在運(yùn)動(dòng)過程中由于燈光所產(chǎn)生的陰影和光線以及與車輛較近的物體影響一并排除 。物體運(yùn)動(dòng)較慢，前后兩幀中幾乎重疊時(shí)，不能提取出物 體。 背景差分法 背景差分法是指 最先提取出需 要的背景 ， 再將提取出來的圖像進(jìn)行 二值化， 再將處理后的圖像像素減去之前的像素 ，進(jìn)而運(yùn)用閾值分離出運(yùn)動(dòng)目標(biāo)。其基本思想是利用一個(gè)結(jié)構(gòu)元素來收集圖像的信息。 圖 原截圖 圖 原截圖維納濾波 ★ 中值濾波 二維中值濾波輸出為 g（ x,y） =med{f(xk,yl),(k,l∈ W)} ，其中 ,f(x,y)， g(x,y)分別為原始圖像和處理后圖像。換句話說，把一個(gè)圖像拿去進(jìn)行 二值化 處理，就是讓 圖像變得簡單，減小數(shù)據(jù)量，能 凸顯出 需要研究 的目標(biāo)的輪廓。 而輸入像素至四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 4 關(guān)重要，他決定著 輸出圖像的灰度值， 經(jīng)過這樣運(yùn)算過后 稱點(diǎn)運(yùn)算。色調(diào)與混合光譜中的主要光波長相關(guān)。 在這個(gè)科技發(fā)達(dá)的年代，人們的生活水平的不斷地提高，人們出行選擇交通運(yùn)輸方式很多，但是在選擇出行方式的同時(shí)也需要選擇安全可靠的出行，人們的人身安全才會(huì)得到保障。 ★ 減少了一些地方不必要的普通測速設(shè)備，把交通事故透明化 。 ★ 安裝簡單，使用方便 ，不僅可以使用固定某一點(diǎn)測速，還可以動(dòng)態(tài)測速 。本項(xiàng)目就是以“基于視頻的交通事故汽車車速計(jì)算研究 [4]”這樣的目標(biāo)為出發(fā)點(diǎn)，結(jié)合自己所學(xué)知識(shí)，學(xué)有所用來達(dá)到要求。色調(diào)的純度 影響飽和度 。點(diǎn)運(yùn)算 其實(shí)就是將灰度變換 成 函數(shù)確定。 圖 原圖 圖 二值圖（黑白互換后） 圖像去噪 現(xiàn)在市場不管哪款 攝像機(jī)在拍攝圖像時(shí)， 都 會(huì)帶來 不同程度的 系統(tǒng)噪聲， 這種主要有光線擾動(dòng)、數(shù)字化過程中產(chǎn)生的噪聲、 信號(hào)攝像機(jī)抖動(dòng)等， 通過實(shí)驗(yàn)表明 ， 椒鹽噪聲四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 5 是最影響 拍攝到的圖像， 這對我們的研究是大大的絆腳石，所以我們就要對所拍攝的圖像進(jìn)行去噪處理。 W為二維模板，通常為 2*2， 3*3區(qū)域，也可以是不 同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。其基本運(yùn)算有腐蝕、膨脹、開啟和閉合。該法有著原理及算法簡單， 所得的結(jié)果直接反應(yīng)了車輛運(yùn)動(dòng)之后的位置，車輛大小以及車輛的形狀等我們必須獲得的信息。 圖 第一幀圖像 圖 第二幀圖像 圖 幀差法后 光流法 光流法與磁場同理，就是對圖像中的每一個(gè)像素點(diǎn)賦予一個(gè)速度矢量，形成一個(gè)運(yùn)動(dòng)場，不過是圖像運(yùn)動(dòng)場 ， 在某一時(shí)刻，運(yùn)動(dòng)時(shí)特定的 ，圖像上的點(diǎn)與三維物體上的點(diǎn)通過投影相對應(yīng)，根據(jù)各個(gè)像素點(diǎn)的速度矢量特征，即可以對圖像進(jìn)行動(dòng)態(tài)分析。 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 10 圖 區(qū)域選擇 圖 交互式提取圖像 圖 。 Matlab 中用 ginput 函數(shù)得到所需點(diǎn)的坐標(biāo)。 對不同方向的物體，我們不管他是站著的還是睡著的 。 [13] 圖 運(yùn)動(dòng)軌跡提取圖 實(shí)際點(diǎn)投影到擬合曲線上 計(jì)算車輛速度時(shí)，不能用實(shí)際點(diǎn)的坐標(biāo)計(jì)算車輛運(yùn)行的位移，這樣做無法避免系統(tǒng)帶來的誤差，為降低誤差必須將實(shí)際點(diǎn)投影到擬合曲線上，用實(shí)際點(diǎn)對應(yīng)到曲線上的點(diǎn)求出行駛的位移。 攝像機(jī)模型 四川師范大學(xué)成都學(xué)院本科畢業(yè)設(shè)計(jì) 14 圖 中心透視投影模型（圖片源于文獻(xiàn) [8] ） 其中， (x， y)為 P點(diǎn)在成像平面坐標(biāo)系下的坐標(biāo)， (Xc， Yc， Zc)為空間點(diǎn) P在攝像機(jī)坐標(biāo)系下的坐標(biāo)。 經(jīng)實(shí)驗(yàn)得出：文獻(xiàn)算法結(jié)果為 ，誤差 %，誤差過大；本文算法結(jié)果 ，誤差為 %，誤差在允許范圍。視頻開始于 13:27:27，終止于 13:29:29。 ★ 輸入中點(diǎn)修正系數(shù) 本案例中由于攝像機(jī)攝像方向并非完全正對著車輛運(yùn)動(dòng)方向完全垂直，所拍攝的車輛并非車的正側(cè)面，存在一定的角度因此由圖像上車頭標(biāo)記點(diǎn)坐標(biāo)和車尾標(biāo)記點(diǎn)坐標(biāo)算出的中點(diǎn)并非車體實(shí)際中點(diǎn)，需要進(jìn)行左右修正。 圖 讀圖圖示 ★ 第一次標(biāo)定 點(diǎn)擊“標(biāo)定”，將出現(xiàn)的綠色直線移動(dòng)到車體附近，使用“放大”功能使該直線端點(diǎn)盡量靠近紅色最小外接矩形左右邊的外圍，并盡量使直線與擬合曲線重合。 鑒定結(jié)果為： 該車在前一到十三幀的平均速度在 ～ 。 ◇ matlab軟件本身自帶的誤差。 但由于我們水平的局限 ， 本文還存在一些不足和需要優(yōu)化的地方需要我去改進(jìn) ： （ 1） 圖像處理方面，對于車長真正對應(yīng)圖像上車長的方法有待改進(jìn)。非常感謝廖老師的幫助，其間好幾次碰到技術(shù)上的困難，廖老師都 會(huì)不耐其煩地跟我討論好幾個(gè)小時(shí)，最后得出解決方案。)。) bw=im2bw(J)。) se=strel(39。 pz=imdilate(bw1,se)。開運(yùn)算 39。截圖 .jpg39。 imshow(noi),title(39。))。維納濾波 39。)。string39。