【正文】 本的特征之一。 理想情況下，上述采用梯度進(jìn)行車輛邊緣檢測應(yīng)該只能產(chǎn)生邊緣上的像素。 其基本思想是將圖像的空間域變換到參數(shù)空間，用大多數(shù)邊界點(diǎn)滿足某種參數(shù)形式來描述圖像中的曲線。 k均值聚類法是在視頻交通檢測系統(tǒng)中，按照一定的聚類準(zhǔn)則將提取到的視頻序列中的數(shù)據(jù)分成幾個(gè)聚集的方法。由于不同物體間存在相對運(yùn)動(dòng)，而屬于同一物體的區(qū)域則不存在這種相對運(yùn)動(dòng)，可以利用這一特征來初步合并區(qū)域再從時(shí)域分析區(qū)域塊的運(yùn)動(dòng)矢量進(jìn)一步合并得到 ROI。在實(shí)際的跟蹤過程中，當(dāng)目標(biāo)運(yùn)動(dòng)較快時(shí)，這些跟蹤方法可能丟掉待匹配的對像，因此往往需要對具有一定特征的運(yùn)動(dòng)方式進(jìn)行預(yù)測。這種方法和其它車輛檢測跟蹤方法主要的不同在于分割過程 和跟蹤過程是同步進(jìn)行的，而不是在跟蹤過程前就有了明確的分割結(jié)果。而且初始化具有困難。 基于特征點(diǎn)的算法的優(yōu)點(diǎn)是通過特征提取，找到車輛的外形共性，不會(huì)產(chǎn)生像素陰影問題；而且，即使對于輕微遮擋的車輛，很多特征也是可見的。建立適當(dāng)?shù)哪Ｐ褪沁@種方法能夠獲得對圖像內(nèi)容理解的前提條件，預(yù)先建立的模型通常包括車輛的 3D 模型和攝像機(jī)模型車輛模型描述了車輛的先驗(yàn)知識(shí) (長寬高等信息 )。 2． 4 本章總結(jié) 基于視頻技術(shù)的車輛監(jiān)測技術(shù)由于其維護(hù)方便、易于實(shí)施的特點(diǎn)，近年來廣受關(guān)注。這種方法數(shù)學(xué)模型簡單，運(yùn)算速度快，能滿足實(shí)時(shí)高速行進(jìn)車輛的跟蹤要求；同時(shí)考慮了新目標(biāo)的出現(xiàn)、舊目標(biāo)的消失、暫時(shí)靜止等情況。 近些年，第二種以模型為基礎(chǔ)的跟蹤算法漸漸興起。 在早期的車輛跟蹤研究中，第一種以特征為基礎(chǔ)的跟蹤算法是研究的熱點(diǎn)。因而有些系統(tǒng)采用復(fù)雜些的邊緣檢測算法如自動(dòng)輪廓獲取或 snake 模型 1251，這些算法以求能量最小值對目標(biāo)進(jìn)行分割 跟蹤，抗噪聲能力突出，并且可以用專門的處理器進(jìn)行實(shí)時(shí)處理，計(jì)算量相對較低。它綜合考慮了空域和時(shí)域信息。 2． 3． 1 概述 在車輛跟蹤技術(shù)中，根據(jù)對視頻幀中的信息的利用層次不同又可以將常用方法分為兩大類：提取像素信息結(jié)合鄰域特征，并以此為處理單位的非模型方法，以及通過對圖像內(nèi)容進(jìn)行理解后的模型處理方法。 另外與 k 均值法相關(guān)的是區(qū)域合并問題。在視頻交通場景的車輛檢測階段，由于視頻幀的特性并非是多個(gè)較均勻的連 通區(qū)域，因此 區(qū)域增長方法很少單獨(dú)使用。 霍夫變換具有對噪聲的抗干擾性高，以及處理多個(gè)形狀的特點(diǎn)。 Canny 邊緣檢測是一種比較新的邊緣檢測算 子，具有很好的邊緣檢測性能。 2． 2． 2． 3 傳統(tǒng)圖像處理的檢測方法 在 2． 2節(jié)曾經(jīng)指出，在實(shí)現(xiàn)交通流量統(tǒng)計(jì)的系統(tǒng)中，往往將車輛檢測又細(xì)分候選區(qū)確定階段和車輛確認(rèn)階段，前者常常使用視頻幀中的時(shí)間信息利用目標(biāo)運(yùn)動(dòng)的特性來進(jìn)行區(qū)域確定，而后者常常是將確定出的候選區(qū)作為靜態(tài)圖像，對其中的車輛目標(biāo)進(jìn)行分割，做出精確提取。光流場法通常要進(jìn)行運(yùn)動(dòng)場計(jì)算、建立光流約束方程 (optical flow constraint equation)和求解光流方程這幾步來完成。同樣，這種方法也很大程度上依賴于閾值的選取，如果選擇不合理，背景圖像將很快變得不可用。目前最常用的 方法是多幀平均 (Frame Averaging)39。這種方法對前景和背景有較強(qiáng)對比的情況特別有效。 采用閾值進(jìn)行目標(biāo)分割的目的是把運(yùn)動(dòng)車輛和微小變化的背景分開。在采集的一系列圖像中連續(xù)三幀 (或者更多的圖像 )做兩兩差分。 在最簡單的形式幀 f(x,y,t1)和 f(x,y,t2)之間的變化可用一個(gè)二值差分圖像表 示化的結(jié)果。首先，為了保證車輛之間的空隙路面能夠被攝像頭捕獲，以實(shí)現(xiàn)車輛確認(rèn)，攝像頭與路面必須 形成 90 度左右夾角，而且必須安裝得很高才能拍到整個(gè)路面；其次，由于這種方法是直接進(jìn)行對應(yīng)區(qū)域顏色對比的，攝像頭不能晃動(dòng)，否則會(huì)導(dǎo)致對應(yīng)像素的位置不匹配而產(chǎn)生錯(cuò)誤。其中檢測線法又可以根據(jù)不同的規(guī)則再作細(xì)分。圖像差分法又分基于背景差分的方法和基于幀間差分的方法，前者定位精確、速度快，但缺乏合理的背景更新方法；后者可以提取出物體的運(yùn)動(dòng)信息，但由于相對運(yùn)動(dòng)與物體位置并非完全一致，存在檢測出的運(yùn)動(dòng)目標(biāo)位置不精確的情況。 而車輛確認(rèn)階段則是對上一處理過程中獲得的候選區(qū)域作進(jìn)一步處理，精確的提取出該區(qū)域中的車輛，確定其位置。本章將針對基于視頻的交通流量統(tǒng)計(jì)系統(tǒng)中的車輛檢測和車輛跟蹤這兩大核心技術(shù)進(jìn)行研究。 第 2 章介紹了常用的三種目標(biāo)檢測算法 ,包括光流法、幀間差分法以及背景減除法 ,并且對光流法和幀間差分法進(jìn)行了實(shí)驗(yàn)仿真。 2) 給出了一種改進(jìn)的混合高斯模型背景提取算法 ,當(dāng)讀入一定幀數(shù)的圖像之后認(rèn)為背景達(dá)到穩(wěn)定狀態(tài) ,讀入新的視頻幀時(shí) ,對當(dāng)前幀進(jìn)行判斷 ,如果像素點(diǎn)和穩(wěn)定背景圖像的像素點(diǎn)差值大于閾值 7,就對該像素點(diǎn)進(jìn)行更新 ,反之就不更新。 （ 3）能源消耗量減少，污染程度降低 事實(shí)表明，單純依靠交通設(shè)施建設(shè)解決交通問題，不但不能完全滿足交 通需城市智能交通信號控制方法及仿真研究求，還占用和消耗了大量的土地、燃油等資源，并造成了汽車尾氣排放量的劇增，給環(huán)境帶來了惡劣的影響。 智能交通系統(tǒng)研究的意義 智能交通系統(tǒng)的主要目標(biāo)就是要充分有效地利用現(xiàn)有的交通資源，使其利用效率最大。本系統(tǒng)主要特色是利用傳感器彌補(bǔ)人類感官功能的不足，減少危險(xiǎn)的發(fā)生；提高自動(dòng)控制的程度，實(shí)現(xiàn)更安全、準(zhǔn)確、可 靠的控制，避免駕駛員因判斷錯(cuò)誤或技術(shù)不成熟所造成的損失。 智能交通系統(tǒng)的主要研究內(nèi)容 根據(jù) ITS 的研究內(nèi)容，對 ITS 項(xiàng)目進(jìn)行分類的方法有很多種 ，這里采用的是美國國家 ITS 框架體系（《 National ITS Architecture》）中對 ITS 的分類方法，將其分為 7大類：先進(jìn)的交通管理系統(tǒng)（ Advanced Traffic Management Systems,ATMS）、先進(jìn)的 出行 者信息系統(tǒng)（ Advanced Traveler Information Systems,ATIS）、先進(jìn)的 公共交通 系統(tǒng)（ Advanced Public Transportation Systems,APTS）、先進(jìn)的車輛控制及安全系統(tǒng)（ Advanced Vehicle Control and Safety Systems,AVCSS）、商用車輛營運(yùn)系統(tǒng)（ Commercial Vehicle Operations,CVO）、緊急救援管理系統(tǒng)（ Emergency Management Systems,EMS）、電子付 費(fèi)與電子收費(fèi)系統(tǒng)（ Electronic Payment Systemsamp。 （ 4）交通信息動(dòng)態(tài)顯示系統(tǒng)。為了從整體上規(guī)范我國的智能交通系統(tǒng)建設(shè)，在全國智能交通系統(tǒng)協(xié)調(diào)領(lǐng)導(dǎo)小組和國家科技部的領(lǐng)導(dǎo)和組織下，我國完成了 “智能交通系統(tǒng)體系框架 ”的研究和編制工作，并正在進(jìn)行 “智能交通系統(tǒng)標(biāo)準(zhǔn)框架 ”的進(jìn)一步研究和修編工作。 20世紀(jì) 80年代后期，我國開始了 ITS 基礎(chǔ)性的研究開發(fā)工作，包括優(yōu)化道路交通管理、交通信息采集、駕駛員考試系統(tǒng)、車 輛動(dòng)態(tài)識(shí)別等； 90年代開始建設(shè)交通指揮控制中心，目前，我國的大中城市都已基本建立了交通控制中心或交通指揮中心，并開展了駕駛員信息系統(tǒng)、城市交通管理的智能化誘導(dǎo)技術(shù)等方面的研究。同時(shí)，日本警察廳也于 1991年，在 AMTICS 的基礎(chǔ)上開發(fā)了 “新交通管理系統(tǒng) ”（ UTMS:Universal Traffic Management System）。 PROMETHEUS 計(jì)劃取得了巨大的成功并于 1994結(jié)束。 80年代中期加利福尼亞交通部門研究的 PATHFINDER 系統(tǒng)獲得成功，加速了 智能交通系統(tǒng)的發(fā)展。也就是說， ITS 就是將先進(jìn)的信息技術(shù)、傳感技術(shù)、數(shù)據(jù)通信技術(shù)、自動(dòng)控制技術(shù)、運(yùn)籌學(xué)、圖像分析技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)以及人工智能等有效地綜合運(yùn)用于整個(gè) 交通管理 系統(tǒng)。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 指導(dǎo)教師評閱書 指導(dǎo)教師評價(jià)： 一、撰寫（設(shè)計(jì)）過程 學(xué)生在論文（設(shè)計(jì)）過程中的治學(xué)態(tài)度、工作精神 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生掌握專業(yè)知識(shí)、技能的扎實(shí)程度 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生綜合運(yùn)用所學(xué)知識(shí)和專業(yè)技能分析和解決問題的能力 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 研究方法的科學(xué)性；技術(shù)線路的可行性；設(shè)計(jì)方案的合理性 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 完成畢業(yè)論文（設(shè)計(jì)）期間的出勤情況 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計(jì)）質(zhì)量 論文（設(shè)計(jì)）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 是否完成指定的論文（設(shè)計(jì)）任務(wù)（包括裝訂及附件）？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 三、論文（設(shè)計(jì)）水平 論文（設(shè)計(jì)）的理論意義或?qū)鉀Q實(shí)際問題的指導(dǎo)意義 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文的觀念是否有新意？設(shè)計(jì)是否有創(chuàng)意？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文（設(shè)計(jì)說明書）所 體現(xiàn)的整體水平 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 建議成績： □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 （在所選等級前的□內(nèi)畫“√”） 指導(dǎo)教師： （簽名） 單位： （蓋章） 年 月 日 評閱教師評閱書 評閱教師評價(jià)： 一、論文（設(shè)計(jì)）質(zhì)量 論文（設(shè)計(jì)）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及 格 是否完成指定的論文（設(shè)計(jì)）任務(wù)（包括裝訂及附件）？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計(jì)）水平 論文（設(shè)計(jì)）的理論意義或?qū)鉀Q實(shí)際問題的指導(dǎo)意義 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文的觀念是否有新意？設(shè)計(jì)是否有創(chuàng)意？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文（設(shè)計(jì)說明書）所體現(xiàn)的整體水平 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 建議成績： □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 （在所選等級前的□內(nèi)畫“√”） 評閱教師： （簽名） 單位： （蓋章） 年 月 日 教研室（或答辯小組）及教學(xué)系意見 教研室（或答辯小組）評價(jià)： 一、答辯過程 畢業(yè)論文（設(shè)計(jì)）的基本要點(diǎn)和見解的敘述情況 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 對答辯問題的反應(yīng)、理解、表達(dá)情況 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生答辯過程中的精神狀態(tài) □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計(jì)）質(zhì)量 論文（設(shè)計(jì)）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 是否完成指定的論文（設(shè)計(jì)）任務(wù)（包括裝訂及附件）？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 三、論文（設(shè)計(jì)）水平 論文（設(shè)計(jì)）的理論意義或?qū)鉀Q實(shí) 際問題的指導(dǎo)意義 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文的觀念是否有新意？設(shè)計(jì)是否有創(chuàng)意？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文（設(shè)計(jì)說明書）所體現(xiàn)的整體水平 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 評定成績： □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 （在所選等級前的□內(nèi)畫“√”） 教研室主任（或答辯小組組長）：