【正文】 但對(duì)車(chē)輛擁擠、遮擋情況下的跟蹤處理仍有很大局限性。這種算法是一個(gè)二維到三維的匹配過(guò)程，將這些像素看作是三維世界中的車(chē)輛在二維圖像平面上的投影，經(jīng)過(guò)與預(yù)先建立的模型在圖像塊同一位置的投影相匹配，直接得到車(chē)輛的長(zhǎng)、寬、高及車(chē)輛類(lèi)型等信息。匹配特征的選取一般包括那些與物理運(yùn)動(dòng)關(guān)系密切的信息，如位置、大小等，以及目標(biāo)的形狀拐點(diǎn)和顏色等，或?qū)⑦@些特征按照重要性進(jìn)行權(quán)重組合來(lái)表示車(chē)輛。 但是基于動(dòng)態(tài)輪廓的方法也有其自身的缺點(diǎn)：在陰影和道路擁擠的情況下其效果會(huì)變得很差，因?yàn)殛幱昂蛙?chē)輛之間的遮擋都會(huì)將本來(lái)相鄰的多個(gè)連通塊變?yōu)橐粋€(gè)，造成漏檢和誤檢。在匹配不同圖像幀中表示同一車(chē)輛的運(yùn)動(dòng)塊的過(guò)程中，可以得到被跟蹤車(chē)輛在 n幀序列圖像中的形態(tài)演變，因而也就有可能預(yù)測(cè)其在 n+l幀中的形狀，從而能糾正車(chē)輛圖像的誤分割情況，如運(yùn)動(dòng)塊突然出現(xiàn)、消失以及形狀突變等。具體說(shuō)有：基于區(qū)域匹配相關(guān)的方法、基于特征點(diǎn)的跟蹤算法、基于變形模板的跟蹤方法、基于 3． D 模型的運(yùn)動(dòng)目標(biāo)跟蹤方法等。由于算法產(chǎn)生的最后分割區(qū)域數(shù)目不固定，產(chǎn)生的每一個(gè)區(qū)域塊屬于單一物體，但一個(gè)物體卻可能包含多個(gè)區(qū)域，因此需 要后續(xù)的融合操作將多個(gè)區(qū)域合并為單個(gè)的感興趣區(qū)域 (Region Of Interesting， ROI)。下面主要介紹一種基于聚類(lèi)的區(qū)域分割方均值聚類(lèi)法在車(chē)輛檢測(cè)中的使用。而其推廣 的廣義霍夫變換 (General Hough Transformation GHT)可以將檢測(cè)推廣到任意形狀。 Canny 邊緣檢測(cè)利用 Gauss 函數(shù)的一階微分濾波器進(jìn)行濾波，能在噪聲抑制和邊緣檢測(cè)之間取得比較好的平衡。因此，傳統(tǒng)的圖像處理方法在車(chē)輛檢測(cè)中也有較廣泛的應(yīng)用，下面僅對(duì)某幾種常用方法作簡(jiǎn)要介紹。 在比較理想的情況下，光流場(chǎng)法能夠檢測(cè)獨(dú)立運(yùn)動(dòng)的對(duì)象，不需要預(yù)先知道場(chǎng)景的任何信息，可以很精確地計(jì)算出運(yùn)動(dòng)物體的速度，并且可用于攝像機(jī)運(yùn)動(dòng)的情況。 國(guó)內(nèi)也有學(xué)者在選擇更新背景前進(jìn)一步加入了背景調(diào)整步驟，即首先計(jì)算當(dāng)前幀和上幀圖像 間的平均灰度之差，若差值大于設(shè)定閾值，則認(rèn)為當(dāng)前幀的平均灰度發(fā)生突變，就要在背景圖像上逐像素加上此差值。法和選擇更新 (Selective Updating)法。 和閾值設(shè)定一樣，對(duì)于背景參考圖像的選取也是背景差法的研究重點(diǎn)。閾值分全局閾值和局部閾值兩種，前者只用一個(gè)閡值來(lái)對(duì)整個(gè)圖像進(jìn)行二值化，后者先將一幀圖像劃分為若干個(gè)子圖像，對(duì)每個(gè)子圖像再確定相應(yīng)的閾值。 另外，幀差圖像還可以 由兩組屬于相鄰圖像幀的像素 (如相鄰的四個(gè)元素 )的均值相減得到。 因?yàn)閮蓭曨l圖像之間的時(shí)間間隔一般很短，所以差分后的圖像受光線變化的影響很小，檢測(cè)相對(duì)穩(wěn)定。另外，在多車(chē)道環(huán)境中，當(dāng)同時(shí)有多輛汽車(chē)經(jīng)過(guò)虛線區(qū)域時(shí)，這方法就會(huì)失效。而另一類(lèi)方法，是傳統(tǒng)的圖像分割方法在車(chē)輛檢測(cè)階段的應(yīng)用。為此有人提 出許多方法的融合改進(jìn)，如基于邊緣的背景去除法，但該類(lèi)方法存在著由于運(yùn)動(dòng)目標(biāo)邊緣與背景邊緣可能有一定交迭，使部分運(yùn)動(dòng)目標(biāo)信息被去除的缺點(diǎn)。此階段一般根據(jù)視頻序列的空間特性來(lái)分割視頻對(duì)象，它常常是把每一幀圖像都當(dāng)成是一幅靜態(tài)圖像，依靠經(jīng)典圖像處理技術(shù)進(jìn)行處理。其中車(chē)輛檢測(cè)部分是研究重點(diǎn)。然后介紹了常用的背景構(gòu)建算法 ,包括統(tǒng)計(jì)中值法、均值法、單高斯模型法和混合高斯模型法 ,并進(jìn)行了實(shí)驗(yàn)對(duì)比。 3) 給出了一種改進(jìn)的基于虛擬區(qū)域的車(chē)流量統(tǒng)計(jì)算法 ,首先設(shè)置檢測(cè)區(qū)域和檢測(cè)線 ,然后跟蹤檢測(cè)區(qū)域中車(chē)輛的質(zhì)心到檢測(cè)線的距離 ,如果 小于 7認(rèn)為有一輛車(chē)輛通過(guò) ,通過(guò)實(shí)驗(yàn)驗(yàn)證 ,本文算法的準(zhǔn)確率能達(dá)到 90%左右。如美國(guó)人口不足世界人口的 5%，但能源消耗占了全世界總消耗的 30%以上，其中交通運(yùn)輸所消耗的能源占了 1/4，而其中 95%是石油。智能交通系統(tǒng)將緩解擁擠、減少交通事故、降低交通環(huán)境影響以及提高效率等方面產(chǎn)生可觀的社會(huì)經(jīng)濟(jì)效益。城市智能交通信號(hào)控制方法及 仿真研究 CVO 系統(tǒng)利用前述 ATMS、 ATIS 與 AVCSS 技術(shù)于商業(yè)營(yíng)運(yùn)車(chē)輛，例如車(chē)輛自動(dòng)識(shí)別技術(shù)、車(chē)輛自動(dòng)定位技術(shù)、車(chē)輛自動(dòng)分類(lèi)技術(shù)等，提供企業(yè)內(nèi)部勞動(dòng)生產(chǎn)率，提升運(yùn)輸效率及安全，改進(jìn)對(duì)突發(fā)事件的反應(yīng)能力，改善車(chē)隊(duì)管理和交通狀況，并減少運(yùn)輸成本，提高生產(chǎn)力。Electronic Toll Collection,EPSamp。利用交通控制系統(tǒng)和交通信息系統(tǒng)等進(jìn)行動(dòng)態(tài)信息顯示。目前，我國(guó)已經(jīng)建立或正在研究開(kāi)發(fā)的智能交通系統(tǒng)主要包括以下方面： （ 1）交通信號(hào)控制系統(tǒng)。隨著研究的不斷深入，學(xué)術(shù)交流活動(dòng)也日益增多。目前日本的 ITS研究與應(yīng)用開(kāi)發(fā)工作主要圍繞三個(gè)方面進(jìn)行，它們分別是：汽車(chē)信息和通信系統(tǒng)VICS（ Vehicle Information and Communication System）、 不停車(chē)收費(fèi) 系統(tǒng) ETC（ Electronic Toll Collection）、先進(jìn)道路支援系統(tǒng) AHS（ Advanced Highway System）。 隨后在 1995年，歐洲又開(kāi)始一項(xiàng)新的研究計(jì)劃 ——PROMOTE（ Programme for Mobility in Transportation in Europe），該計(jì)劃的主要目的是實(shí)現(xiàn)道路交通管理系統(tǒng)和安全系統(tǒng)。此后，美國(guó)進(jìn)行 “智能化車(chē)輛 ——道路系統(tǒng) ”（ Intelligent VehicleHighway System,IVHS）方面的研究； 1990年美國(guó)運(yùn)輸部成立了智能化車(chē)輛道路系統(tǒng)組織； 1991年美國(guó)國(guó)會(huì)通過(guò)了 “綜合地面運(yùn)輸效率法案 ”，發(fā)展經(jīng)濟(jì)上有效、環(huán)境上友好的國(guó)家級(jí)綜合地面運(yùn)輸系統(tǒng)，以提高 客運(yùn) 和 貨運(yùn) 的運(yùn)輸效率。在系統(tǒng)工程綜合集成的總體思路指導(dǎo)下，建立起一種在大范圍內(nèi)全方位發(fā)揮作用的實(shí)時(shí)、準(zhǔn)確、高效的運(yùn)輸綜合體系 [1][2][3]。近 20年來(lái)，世界各國(guó)先后建立四通八達(dá)的交通運(yùn)輸網(wǎng)絡(luò)，但交通工具的增長(zhǎng)速度遠(yuǎn)遠(yuǎn)高于道路和其他 交通設(shè)施 的增長(zhǎng)，因此隨之引起 交通擁堵 、 交通事故 、環(huán)境污染、能源短缺等問(wèn)題已經(jīng)成為世界各國(guó)面臨的共同的問(wèn)題，也造成了巨大的物質(zhì)與經(jīng)濟(jì)損失。 作者簽名： 日 期： 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交 的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。 main vehicle counting module feature of this paper is to plete the traffic statistical algorithms . This article studies the correlation algorithm traffic statistics , and gives an improved Gaussian mixture model algorithm and an improved algorithm for virtual regional traffic statistics based on the last one with VC traffic statistics system , the experimental results This design shows that the system can accurately detect vehicle targets and statistics . Keywords : Intelligent Transportation Systems 。 3)給出了一種改進(jìn)的基于虛擬區(qū)域的車(chē)流量統(tǒng)計(jì)算法 ,首先設(shè)置檢測(cè)區(qū)域和檢測(cè)線 ,然后跟蹤檢測(cè)區(qū)域中車(chē)輛的質(zhì)心到檢測(cè)線的距離 d,如果 d 小于 Th2認(rèn)為有一輛車(chē)輛通過(guò) ,通過(guò)實(shí)驗(yàn)驗(yàn)證 ,本文算法的精確率能達(dá)到 90%左右?；谝曨l的車(chē)流量統(tǒng)計(jì)算法設(shè)計(jì) 摘要 ：智能交通系統(tǒng) (ITS)已經(jīng)被科學(xué)家認(rèn)為是解決當(dāng)前城市交通問(wèn)題最有效的方法 ,也是目前和未來(lái)交通發(fā)展的主流方向。 4)實(shí)現(xiàn)了一個(gè)車(chē)流量統(tǒng)計(jì)系統(tǒng) ,整個(gè)系統(tǒng)主要包括視頻播放模塊、 GMM 背景更新模塊、前景構(gòu)建模塊和車(chē)輛計(jì)數(shù)模塊。 moving target detection 。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。如美國(guó)德州運(yùn)輸研究所研究美國(guó) 39個(gè)主要城市，估算美國(guó)每年因交通阻塞而造成的經(jīng) 濟(jì)損失約為 410億美元，12個(gè)最大城市每年的損失均超過(guò) 10億美元；預(yù)測(cè)到 2020年，因事故造成的經(jīng)濟(jì)損失每年將超過(guò) 1500億美元。 ITS 智能化的特征體現(xiàn)在：原理上是基于知 識(shí)體系；系統(tǒng)功能上應(yīng)至少具有判斷能力、推理能力和學(xué)習(xí)能力、并應(yīng)有輔助決策的作用；結(jié)構(gòu)上應(yīng)由機(jī)器 感知 、機(jī)器學(xué)習(xí)、機(jī)器識(shí)別及知識(shí)庫(kù)等部分組成。 1992年，由美國(guó)運(yùn)輸部、聯(lián)邦顧問(wèn)委員會(huì)和全國(guó)智能交通協(xié)會(huì)聯(lián)合制定了 “智能交通系統(tǒng) ”發(fā)展戰(zhàn)略計(jì)劃；1993年，美國(guó) DOT（運(yùn)輸部）正式啟動(dòng)了 ITS 體系框架開(kāi)發(fā)計(jì)劃，目的是要開(kāi)發(fā)一個(gè)經(jīng)過(guò)詳細(xì)規(guī)劃的國(guó)家 ITS 體系框架。同時(shí)，歐洲還實(shí)施了以歐盟各個(gè)成員國(guó)政府為主導(dǎo)的 DRIVE（ Dedicated Road Infrastructure for Vehicle Safety in Europe）研究計(jì)劃，其目標(biāo)是通過(guò)對(duì)道路交通與環(huán)境相互關(guān)系的研究，提高道路交通的安全性和運(yùn)輸效率。 在香港， 20世紀(jì) 70年代后期就制定了在 公路 隧道 中應(yīng)用 ITS 的計(jì)劃，第一個(gè) ITS 系 統(tǒng)于 1984年安裝啟用。 1997年我國(guó)召開(kāi)了 “97北京智能交通系統(tǒng)發(fā)展趨勢(shì)國(guó)際學(xué)術(shù)研討會(huì) ”； 1998年，國(guó)際標(biāo)準(zhǔn)化組織交通信息與控制技術(shù)委員會(huì) ISO/IC20xx中國(guó)委員會(huì)正式成立，委員會(huì)的主要任務(wù)是積極推進(jìn)中國(guó) ITS 的標(biāo)準(zhǔn)化； 1999年，我國(guó)成功舉辦了 “99國(guó)際智能交通技術(shù)研討會(huì)暨展會(huì) ”； 20xx年 7月， “第四屆 亞太地區(qū)智能交通（ ITS）年會(huì)暨技術(shù)產(chǎn)品展覽會(huì) ”在北京舉行。我國(guó)大多數(shù)大城市已經(jīng)建立了交通信號(hào)控制系統(tǒng)，其中包括我國(guó)自行開(kāi)發(fā)的系統(tǒng)和引進(jìn)的國(guó)外 SCATS、 SCOOT 等系統(tǒng)。 （ 5）交通誘導(dǎo)系統(tǒng)。ETC）。所謂 “商用車(chē) ”不僅包括大型與重型車(chē)輛（如卡車(chē)、貨車(chē)），也包括緊急救援用車(chē)輛（如救護(hù)車(chē)、拖吊車(chē)），以及每日運(yùn)作的商用小型車(chē)（如 出租車(chē) ）等。具體來(lái)說(shuō)，智能交通系統(tǒng)的社會(huì)經(jīng)濟(jì)效益主要體現(xiàn)在如下幾個(gè)方面： （ 1）減少交通擁擠和行車(chē)延誤 隨著城市人口的增加和社會(huì)經(jīng)濟(jì)的發(fā)展，汽車(chē)和道路交通量不斷的增加，相應(yīng)引起的交通擁擠也增加。在未來(lái)， ITS在大規(guī)模、大范圍應(yīng)用將明顯改善這一狀況，大大降低交通運(yùn)輸系統(tǒng)的消耗和對(duì) 環(huán)境的污染。 4) 實(shí)現(xiàn)了一個(gè)車(chē)流量統(tǒng)計(jì)系統(tǒng) ,整個(gè)系統(tǒng)主要包括視頻播放模塊、 GMM背景更新模塊、前景構(gòu)建模塊和車(chē)輛計(jì)數(shù)模塊。 第 3 章詳細(xì)的介紹了實(shí)現(xiàn)過(guò)程的方法 ,并對(duì)方法進(jìn)行了詳細(xì)的介紹。 2． 1 基于視 頻的交通流量統(tǒng)計(jì)系統(tǒng)組成 通常，基于視頻的交通流量統(tǒng)計(jì)系統(tǒng)由三部分組成 : 1)攝像頭進(jìn)行實(shí)時(shí)視頻采集 2)車(chē)輛檢測(cè) (識(shí)別分割 )模塊 3)車(chē)輛跟蹤 (計(jì)數(shù)統(tǒng)計(jì) )模塊 首先由攝像頭拍攝得到實(shí)時(shí)交通場(chǎng)景的視頻序列，然后將視頻序列送到車(chē)輛檢測(cè)模塊，根據(jù)一定的視頻處理方法和準(zhǔn)則判斷是否有車(chē)輛經(jīng)過(guò)監(jiān)視的交通場(chǎng)景，并對(duì)車(chē)輛進(jìn)行識(shí)別分割，然后，在跟蹤模塊通過(guò)對(duì)車(chē)輛的運(yùn)動(dòng)進(jìn)行運(yùn)算和估計(jì)，實(shí)現(xiàn)對(duì)車(chē)輛的計(jì)數(shù)統(tǒng)計(jì)。 2． 2． 1 概述 雖然車(chē)輛檢測(cè)技術(shù)發(fā)展至今已有五十多年的歷史，但是其效果仍然不夠理想，因?yàn)槿?然存在如下的客觀條件： 1)由于進(jìn)入攝像機(jī)監(jiān)視范圍的車(chē)輛具有不同的角度和速度，往往導(dǎo)致視頻序列中的車(chē)輛在尺寸、位置、方向上產(chǎn)生很大的變化。此外，各類(lèi)傳統(tǒng)的圖像處理方法也在車(chē)輛目標(biāo)檢測(cè)階段針對(duì)不同的環(huán)境特點(diǎn)而有所應(yīng)用。例如均值聚類(lèi)法、邊緣檢測(cè)法，區(qū)域分割法等，這些方法雖然沒(méi)有利用視頻序列特有的時(shí)間特性，但由于算法穩(wěn)定成熟，執(zhí)行效率高，在某些交通監(jiān)視環(huán)境中也有不錯(cuò)的效果。 2)基于視頻序列的灰度圖像差分檢測(cè)線法 經(jīng)過(guò)檢測(cè)線上的車(chē)輛使得序列灰度圖像在檢測(cè)線位置上的灰度值發(fā)生變化，通過(guò)對(duì)這種灰度的變化進(jìn)行圖像的差分計(jì)算，來(lái)實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車(chē)輛的檢測(cè)。但在實(shí)際中，單純使用上述基本相鄰幀差分法也會(huì)產(chǎn)生不良后果。 幀差法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單且不易受環(huán)境光線變化的影響，但它不能檢測(cè)靜止車(chē)輛，且處理效果依賴(lài)于圖像采樣頻率以及被檢測(cè)車(chē)輛的車(chē)速?，F(xiàn)實(shí)中需要根據(jù)序列圖像的背景復(fù)雜度進(jìn)行選擇?；诒尘安畹能?chē)輛檢測(cè)的準(zhǔn)確性很大程度上依賴(lài)于背景圖像的可靠性。 簡(jiǎn)單的多幀平均法是直接將前面若干輸入圖像的平均值作為當(dāng)前背景，更新背景的方法如下： 其中， Bpt 為當(dāng)前更新的背景， Bpt1 是前一幀背景， Cpt1，為上一幅場(chǎng)景圖像， Ⅳ為一個(gè)整數(shù)， K是指更新率。 總的來(lái)說(shuō)，實(shí)際應(yīng)用中，背景差法是通過(guò)對(duì)兩幅攝自不同時(shí)刻的圖像進(jìn)行查分，由于時(shí)間間隔明顯長(zhǎng)于之前討論的幀差法，因此對(duì)于環(huán)境光照，陰影以及風(fēng)等自然因素的隨機(jī)變化非常敏感，背景圖像需不斷地被調(diào)整以迎合這些變化。但也存在明顯的缺點(diǎn)：首先，光流與運(yùn)動(dòng)場(chǎng)雖然有密切的關(guān)系，但又不完全對(duì)應(yīng)。 1)邊緣檢測(cè)法 邊緣是車(chē)輛目標(biāo)最基