【正文】 .................. 9 視覺運(yùn)動(dòng)物體檢測算法 ........................ 10 多目標(biāo)跟蹤 ....................................... 10 II 模板匹配 .................................... 10 模板更新 .................................... 10 機(jī)動(dòng)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(jī)標(biāo)定 ....................................... 12 傳統(tǒng)的標(biāo)定方法 ................................... 12 本文提出的標(biāo)定方法 ............................... 14 基于線性模型的一維標(biāo)定算法 ................... 14 由一維擴(kuò)展至二維的標(biāo)定算法 ................... 16 二維標(biāo)定算法的簡化 .......................... 18 標(biāo)定算法實(shí)現(xiàn)及結(jié)果 ............................... 20 標(biāo)定參數(shù)設(shè)置 ................................ 20 標(biāo)定結(jié)果 .................................... 21 第四章 其他視頻測速方法 ................................. 27 光流方程法 ....................................... 27 相位相關(guān)法 ....................................... 28 視頻測速原理 ..................................... 28 視頻測速前提 ................................ 29 視頻測速算法 ................................ 30 視頻測速應(yīng)用 ..................................... 32 視頻測速流程圖 .............................. 32 采用牌照邊框上下邊緣測速 ..................... 33 采用牌照字符上下邊緣測速 .................... 34 III 動(dòng)態(tài)閉值 .................................... 35 性能分析 ........................................ 36 第五章 結(jié)論及展望 ....................................... 37 參考文獻(xiàn) ............................................... 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 ............................... 47 XXXXX 大學(xué)畢業(yè)設(shè)計(jì) 1 第一章 緒論 研究背景 國外智能交通系統(tǒng) (ITS)的發(fā)展始于 20世紀(jì) 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(gè)方面。目前世界 TIS 的發(fā)展主流是道路運(yùn)輸?shù)闹悄芑?，但是，要從根本上解決交通運(yùn)輸問題，必定要實(shí)現(xiàn)整個(gè)綜合運(yùn)輸系統(tǒng)的智能化。例如 :日期，時(shí)間，街名，監(jiān)查人。 通過識別出交通場景圖像中符合車輛特征的象素，進(jìn)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(jì)算交通參數(shù)。該方法的特點(diǎn)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。但是由于利用視頻圖像獲取實(shí)時(shí)交通參數(shù)的特殊復(fù)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。 雷達(dá)測速利用多普勒效應(yīng)，通過雷達(dá)反射波相對于發(fā)射波 的頻移計(jì)算出運(yùn)物體的速度。通過檢測道路和車輛發(fā)射能量之差，可以確定車輛存在 。 超聲波測速測距的基本原理是利用其反射特性。這種方法比較經(jīng)典，檢測效果也不錯(cuò)?？煽啃愿?。 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。 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(xué)研究的一種使用不帶刻度的攝像機(jī)對車速進(jìn)行估計(jì)的方法。 為了避免將不必要的復(fù)雜因素引入視頻測速模型中 ， 這里對交通場景機(jī)動(dòng)車和攝像機(jī)作幾點(diǎn)假設(shè) ： 路面是平坦的 ， 可以認(rèn)作或近似地看作平面 ， 復(fù)雜的路面通常無法從圖像上對車輛進(jìn)行有效定位 ； ， 不會(huì)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(jì) ； 面是靜止的 ， 攝像機(jī)移位將使車輛在圖像上的位置發(fā)生偏移 ， 從而導(dǎo)致車輛定位偏差甚至錯(cuò)誤 。 相反 ， 一種通過肉眼觀察交通場景視頻圖像在視頻圖像上對路面上的標(biāo)志或位置進(jìn)行直接標(biāo)定的方法體現(xiàn)出簡單 ， 直觀 ， 易于操作的優(yōu)點(diǎn) 。 在前一種情況中當(dāng)車輛剛剛駛到 L1 時(shí)就被 檢測到 ； 當(dāng)車輛行駛到 L2 時(shí)由于在前一幀圖像未在 L2 處檢測到車輛 ， 在下一幀檢測到車輛時(shí)發(fā)現(xiàn)車輛已有部分駛過 L2 從而產(chǎn)生 v?⊿ Tm 大小的路程誤差 ,這種情況下測得的車速為最大負(fù)誤差 。 因此 ， 機(jī)動(dòng)車視頻測速模型采用了背景扣除算法用于檢測交通場景中的行駛車輛 。 對 于任何一個(gè)顏色分量上的當(dāng)前灰度圖像和背景灰度圖像 ， 它們大部分像素的灰度都相同 ， 僅當(dāng)遇到 MVO 像素及 MVO 陰影像素時(shí)才表現(xiàn)出較大差異 。 在機(jī)動(dòng)車視頻測速模型中采用了一種選擇性背景更新算法 ， 算法選擇當(dāng)前圖像中的背景區(qū)域以一定的速率 α 對背景圖像進(jìn)行更新 （ 如式 5） ， 從得到能夠準(zhǔn)確反映交通場景背景信息的背景圖像。 為了同時(shí)檢測多輛行駛機(jī)動(dòng)車的速度 ， 機(jī)動(dòng)車視頻測速模型通過多目標(biāo)跟蹤方法建立多輛行駛車輛與車速的 一一對應(yīng)關(guān)系 。 在實(shí)際交通環(huán)境中行駛車輛常有被其它行駛車輛或障礙物遮擋的情況 ， 這可能導(dǎo)致在下次 模板匹配時(shí)丟失跟蹤的機(jī)動(dòng)車 。 該系 統(tǒng)在實(shí)際使用中取得了良好的測速效果 ， 經(jīng)公安部安全與電子產(chǎn)品檢測中心的檢測 ， 系統(tǒng)測速誤差小于 3%。攝像機(jī)模型是光學(xué)成像幾何關(guān)系的簡化，其中最簡單的模型為線性模型，或稱針孔模型（ Pinhole Model)。在圖像上定義離散化直角坐標(biāo)系(r， c)，在此坐標(biāo)系下，每一個(gè)像素的坐標(biāo)就是該像素在數(shù)組中的行數(shù)和列數(shù)。用鼠標(biāo)在 6 米等距的地方分別進(jìn)行 點(diǎn)擊，以十字標(biāo)號顯示，并且至少要點(diǎn)出三個(gè)十字。 MD 的像素距離已知 。如果車輛剛好從中間車道線上經(jīng)過，測量出來的結(jié)果比較精確，但是一旦車輛從左車道或者右車道經(jīng)過，必然會(huì)產(chǎn)生一定的偏差，車輛偏離中間車道線越遠(yuǎn)，標(biāo)定產(chǎn)生的偏差也就越大。B’的實(shí)際距離。本文中使用二維數(shù)組 MappedDis[720] [288]來實(shí)現(xiàn)。如圖 ，這里假設(shè)直線 A? E 和直線 B? F 是平行的，首先做一條水平輔助線，那么此水平輔助線和直線 A? E 的夾角 ? 就是已知的。 :在設(shè)置車道區(qū)域的下拉列表本別選中三個(gè)車道，做左側(cè)視頻上點(diǎn)擊車道線位置，用黑線顯示。本視頻圖像選定中間車道線的白色虛線做為等距參照物，在距離相等 (世界坐標(biāo)系 )的地方點(diǎn)擊，用十字顯示 。近處的標(biāo)定比遠(yuǎn)處誤差小。 (1)中間車道線上的點(diǎn) 如圖 所示， A, B 為近處兩條白色短線的結(jié)束點(diǎn)，由標(biāo)定設(shè)置界面可以看出， A, B的 實(shí)際距離應(yīng)該等于 6 米。經(jīng)對 4 處不同場景的近 30 次測量，二維標(biāo)定的精度約為 96%。如無特別說明，后面章節(jié)中涉及到用標(biāo)定結(jié)果計(jì)算速度時(shí)，用的都是此視頻圖像 )。使用二維標(biāo)定， P、 Q 的實(shí)際距離為 : MappedDis[340][189]MapPedDis[300][171]=20201438=569(cm)=(m) E、 F 和 P、 Q 的標(biāo)定結(jié)果值都在 米左右，可見在二維標(biāo)定算法下，對于遠(yuǎn)離中間車道線上的點(diǎn)，標(biāo)定精度比一維標(biāo)定算法精確很多。即實(shí)際情況下： MappedDis[Q]MappedDis[P]= MappedDis[J]MappedDis[K] =MappedDis[182]MappedDis[165]=19791408=571(cm)= (m) 圖 一維標(biāo)定誤差（遠(yuǎn)處） 根據(jù)上述結(jié)果可以檢出 :對于偏離中間車道線的 點(diǎn)，一維標(biāo)定算法會(huì)有誤差，并且偏離中間車道線越遠(yuǎn)，誤差就越大，這就需要用到二維標(biāo)定。 (l)中間車道線上的點(diǎn) 如圖 所示， A、 B 為近處兩條白色短線的結(jié)束點(diǎn)，所以 A、 B 的距離應(yīng)該等于 6米用一維標(biāo)定的結(jié)果來驗(yàn)證， A、 B兩點(diǎn)的實(shí)際距離為 : MappedDis[143]MappedDis[84]=989389=600(cm)=6(m) M、 N為遠(yuǎn)處兩條白色短線的結(jié)束點(diǎn)，所以 M、 N的距離也應(yīng)該等于 6 米，用一維標(biāo)定的結(jié)果來驗(yàn)證， M、 N 兩點(diǎn) 的實(shí)際距離為 : MappedDis[189]MappedDis[171]=2199389=610(cm)=(m) XXX 基于視頻圖像的車速檢測技術(shù) 22 圖 一維定驗(yàn)證示意圖（中間車道線） 可見 AB 的標(biāo)定結(jié)果完全準(zhǔn)確，與一維標(biāo)定算法所測量出來的數(shù)值完全相等。矩形框代表視頻圖像，斜線代表車道線。變量LoopPos 表示線圈位于第幾行 (單位為塊 )，本場景 中 LoopPos=20。如圖 所示，只需要畫一條斜線。 從圖 ，點(diǎn) M和點(diǎn) N 所在的兩條直線上任意兩點(diǎn)的距離為 M和 N的距離，即等于 MappedDis[M] MappedDis[N]。 XXXXX 大學(xué)畢業(yè)設(shè)計(jì) 17 圖 補(bǔ)償后的標(biāo)定示意圖 顯然， AB 和 A3，雖然都縱向相隔 59 像素，但他們的實(shí)際距離是不相等的。由于標(biāo)定是按照中間車道 線為參考進(jìn)行設(shè)置的，所以當(dāng)攝像頭剛好位于中間車道線的正上方，并且車輛從中間車道線上經(jīng)過時(shí)，標(biāo)定精度很高，并且計(jì)算量小，使用簡單。 則已知條件分別為 : AB=BC，并且 AB和 BC 都已知 。 如圖 所示，視頻圖像中，選定等距離的幾個(gè)點(diǎn)作為參照物。 通常情況下，攝像機(jī)采集的圖像在計(jì)算機(jī)中存儲為 M? N 數(shù)組，即 M 行 N 列。 本章首先介紹了傳統(tǒng)的標(biāo)定方法中的線性模型，然后根據(jù)實(shí)地場景的特性，用幾何的方法，推導(dǎo)出一維標(biāo)定算法，然后針對一維標(biāo)定的缺點(diǎn)，擴(kuò)展至二維標(biāo)定，最后簡化二維標(biāo)定，達(dá)到提高標(biāo)定精度，減小 計(jì)算量的效果。 具體而言 ， 將不同的任務(wù)放在優(yōu)先級不同的線程中執(zhí)行 ， 實(shí)時(shí)任務(wù)線程設(shè)置為高優(yōu)先級 ， 非實(shí)時(shí)任務(wù)線程設(shè)置為低優(yōu)先級 。 然后 ，利用分辨率較大的模板圖像和 MVO 圖像對匹配點(diǎn)進(jìn)行調(diào)整 ， 找到最佳匹配點(diǎn) 。 XXX 基于視頻圖像的車速檢測技術(shù) 10 視覺運(yùn)動(dòng)物體檢測算法 機(jī)動(dòng)車視頻測速模型中采用了一種具備陰影消除能力的快速 MVO 檢測算法 ， 算法首先以當(dāng)前圖像作為背景初始化算法的輸入建立初始背景圖像 ； 然后將當(dāng)前圖像用背景圖像做背景扣除 ， 所得圖像經(jīng)過陰影消除和開啟 ， 閉合操作得到 MVO 二值圖像 ； 最后將MVO 二值圖像與當(dāng)前圖像做與運(yùn)算得到的圖像即為視覺運(yùn)動(dòng)物體圖像 。 算法基于這樣 的事實(shí) ： 無論在如何繁忙擁擠的交通環(huán)境中 ， 交通場景中的任何一塊背景區(qū)域 （ 包括停放有車輛或放有靜止物體的區(qū)域 ） 在某段時(shí)間內(nèi)總是能夠從視頻圖像上顯露出來。 為此 ， 機(jī)動(dòng)車視頻測速模型中設(shè)計(jì)了一種啟發(fā)式的自適應(yīng)圖像差分閾值選取算法 。 幀間差分算法通過相繼的兩幀圖像中像素的灰度變化情況來提取圖像中 MVO， 但無法生成完整的 MVO。 在大多數(shù)情況下 ， 定位誤差在車輛經(jīng)過 L1 和L2 后在總體上得到部分抵消 。 一種典型的人工計(jì)算標(biāo)定方法利用攝像機(jī)視角 ， 攝像機(jī)離地面的高度攝像機(jī)光軸與垂直路面方向的夾角和攝像機(jī)視野在路面上的覆蓋長度等參數(shù) ， 將路面上感興趣窗口映 射到交通場景視頻圖像上 。 下面將介紹一種高精度機(jī)動(dòng)車視頻測速模型 ， 利用該模型不僅能夠排除陰影對機(jī)動(dòng)車視頻測速的干擾 ， 而且能夠?qū)崿F(xiàn)多 輛機(jī)動(dòng)車同時(shí)測速 ， 機(jī)動(dòng)車視頻測速模型中場景視頻圖像的標(biāo)定方法也具有簡單直觀的優(yōu)點(diǎn) 。 本文結(jié)合了線式檢測法和面式檢測法兩種方法來進(jìn)行車輛速度檢測。一些成熟產(chǎn)品的檢測效果是相當(dāng)不錯(cuò)的，其性能價(jià)格比也較好，因此國內(nèi)外應(yīng)用此種檢測方法的系統(tǒng)占主流。 地感線圈檢測具有以下優(yōu)點(diǎn) :使用簡單 。其主要缺點(diǎn)是測量反應(yīng)時(shí)間長，誤差大，波束發(fā)散角大，分辨率低，衰減快，有效測量距離小。激光測速器不可能具備在運(yùn)動(dòng)中使用，只能在靜止?fàn)顟B(tài)下應(yīng)用 。它易受到天氣條件的影響而發(fā)生散射。近年來，隨著視頻處理技術(shù)的發(fā)展和成熟，其方法也開始廣泛應(yīng)用于車速檢測，視頻車輛檢測技術(shù)將是未來實(shí)時(shí)交通信息采集和處理技術(shù)的發(fā)展方向。問題在于由于圖像受周圍環(huán)境 (如建筑陰影、路燈 )的影響，車輛在路段不同位置的特征不能保證相同 。 (2)區(qū)域跟蹤 :圖像