【正文】 ubtraction is based on that subtract the current frame from background frame to extract moving target,realtime background update is particularly important, we use multiframe averaging method to update the background,which avoids the the adverse impact of light conditions and climatic and environmental。 摘 要 智能交通系統(tǒng) (ITS)是目前世界交通運(yùn)輸領(lǐng)域正在研究和廣泛關(guān)注的課題。s transportation recent years, the application of intelligent transportation systems has brought enormous economic benefits to the transportation industry,and it has played an increasingly important role in the road located design, traffic monitoring and highway video vehicle detection technology in this thesis study plays an important role in with the traditional method of vehicle detection, video vehicle detection technology has easy installation and maintenance,low cost, wide range that can be monitored and many other advantages , while it can do intelligently analysis and processing to the image of the road scene. This thesis sets up a video vehicle analysis system for detecting vehicles on the road by the moving object detection data structure and function library in OpenCV. Detection processes include:First,video image preprocesses,such as binary,removing noise。已有的成 熟的商用視頻車輛檢測系統(tǒng)主要有 Autoscope， Traficon 以及 Peek 等。車輛視頻檢測作為其中的一個(gè)重要運(yùn)用，吸引了很多著名公司和研究機(jī)構(gòu)參與其中。 視頻車輛檢測技術(shù)雖然在國內(nèi)研究起步比較晚，但 經(jīng)過這些年的迅速發(fā)展， 也取得了很多研究成果，如中國科學(xué)院自動(dòng)化研究所模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室譚鐵牛研究員從 20 世紀(jì) 90 年代初就開始研究基于三維模型的智能視覺監(jiān)控系統(tǒng)，領(lǐng)導(dǎo)視覺監(jiān)控小組，針對(duì)系統(tǒng)中若干關(guān)鍵性問題像車輛檢測、跟蹤以及車輛基于OpenCV 的視頻道路車輛檢測及跟蹤行為分析，進(jìn)行了深入的研究和探討，提出了自己的見解和主張，取得了一系列的研究成果。 （ 2）對(duì)非商業(yè)應(yīng)用和商業(yè)應(yīng)用都是免費(fèi)的。同時(shí)許多商用圖像處理和計(jì)算機(jī)視覺軟件包也得到相應(yīng)開發(fā)。 （ 2） Matlab 是功能較為強(qiáng)大的科學(xué)計(jì)算和分析平臺(tái)，它提供了圖像處理 工具包，也提供了較為豐富的數(shù)學(xué)計(jì)算函數(shù)，但在 Matlab 環(huán)境下的運(yùn)行速度令人擔(dān)憂。 （ 3）平臺(tái)無關(guān)性。可見，作為一個(gè)基本的圖像處理、計(jì)算機(jī)視覺和模式識(shí)別的開源項(xiàng)目， OpenCV 可以直接應(yīng)用于很多領(lǐng)域，作為二次開發(fā)的理想工具。 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 5 本文章節(jié)概括 第一章：本章為緒論，主要介紹了基于 OpenCV 的車輛檢測這一課題的來源及研究意義、國內(nèi)外在這一領(lǐng)域的研究現(xiàn)狀，從車輛檢測角度概述了 OpenCV 的優(yōu)勢和特點(diǎn)，并對(duì)全文章節(jié)進(jìn)行概括。因此，智能交通系統(tǒng)應(yīng)運(yùn)而生。 1991 年，美國加州理工大學(xué)對(duì)在高速公路上運(yùn)用視頻方法的檢測技術(shù)進(jìn)行了評(píng)估，在評(píng)估報(bào)告中對(duì)當(dāng)時(shí)采用的不同的視頻車輛檢測技術(shù)詳盡地進(jìn)行了分類。 （ 4） 低成本、集成化 目前視頻車輛檢測系統(tǒng)結(jié)構(gòu)比較復(fù)雜、價(jià)格比較昂貴，這給視頻檢測技術(shù)的普及帶來了一定的困難。車輛的一些行駛特征，如左轉(zhuǎn)右轉(zhuǎn)也能被檢測出來， 但是這種算法的缺點(diǎn)也是顯而易見的。幾種方法各有利弊，本文將運(yùn)用背景差分法完成對(duì)交通視頻中的車輛檢測。 圖 31 車輛檢測算法流程圖 圖像預(yù)處理 設(shè)定感興趣區(qū)域 為了盡可能的減少噪聲以及交通場景中其他前景 物體的影響，本文采用設(shè)定大連交通大學(xué) 2020 屆本科生畢業(yè)論文 10 局部檢測區(qū)域的方式對(duì)交通圖像進(jìn)行劃分，以達(dá)到實(shí)時(shí)性和降低誤檢的作用。 本文主要對(duì)視頻圖像平滑濾波進(jìn)行了研究。這一步要做的工作是將車輛目標(biāo)從圖像中提取出來，目前常采用的方法是通過圖像分割技術(shù)來實(shí)現(xiàn)，常用的分割技術(shù)有邊緣檢大連交通大學(xué) 2020 屆本科生畢業(yè)論文 11 測、閾值分割以及區(qū)域生長三類。這種算法雖然計(jì)算量比較大、背景更新速度較慢，但其簡單易行、錯(cuò)誤率低，并不是不可取的。背景差分法這種優(yōu)點(diǎn)可以應(yīng)用于運(yùn)動(dòng)車輛檢測中 ,但是這種方法無法自適應(yīng) ,要想適應(yīng)環(huán)境的變化 ,必須對(duì)背景實(shí)時(shí)升級(jí) ,這必然會(huì)涉及背景模型 ,其包括背景的提取和背景的更新。 （ 2） 二值化閾值分割實(shí)驗(yàn)結(jié)果如圖 42 所示： 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 14 圖 42 二值圖像 實(shí)驗(yàn)通過閾值分割技術(shù)，成功提取運(yùn)動(dòng)車輛，并確定分割前景與背景的最佳閾值。通過視頻檢測這種檢測方式，可以自動(dòng)實(shí)時(shí)獲得交通車輛的多種參數(shù)，并且不需要破壞路面、使用壽命長、不會(huì)產(chǎn)生硬件損耗，發(fā)展前景無限。 （ 3） 在二值化閾值分割步驟中，實(shí)驗(yàn)效果圖不是特別明顯，如再對(duì)其進(jìn)行膨脹處理，使二值圖像更為清晰，更加有利于后續(xù)的實(shí)驗(yàn)研究。遺憾的是四年中沒有抓住每一個(gè)學(xué)習(xí)的機(jī)會(huì)，錯(cuò)過了很多有意義的東西；欣喜的是在學(xué)到很多專業(yè)知識(shí)的同時(shí)，養(yǎng)成了良好的生活習(xí) 慣，明白了許多做人的道理，有了嶄新的人生觀和價(jià)值觀。 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 20 參考文獻(xiàn) [1] 侯穆 .基于 OpenCV 的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)研究 [D].西安電子科技大學(xué)， 2020. [2] 董輝 .視頻中運(yùn)動(dòng)物體檢測與跟蹤的 OpenCV 實(shí)現(xiàn) [D].安徽理工大學(xué)， 2020. [3] 梁錫寧 .基于 OpenCV 的目標(biāo)跟蹤軟件與系統(tǒng)實(shí)現(xiàn) [D].電子科技大學(xué)， 2020. [4] 夏良正 .數(shù)字圖像處理 [M].南京： 東南大學(xué)出版社 ， 2020. [5] 邊肇祺，張學(xué)工 .模式識(shí)別 [M].北京： 清華大學(xué)出版社 ， 2020. [6] 趙保佑 .基于視覺的車輛檢測與跟蹤技術(shù)研究 [D].武漢理工大學(xué) ， 2020. [7] 崔芳園 .基于視頻的車輛檢測研究與應(yīng)用 [D].北京工業(yè)大學(xué)， 2020. [8] 錢志明 ， 楊家寬 ， 段連鑫 .基于視頻的車輛檢測與跟蹤研究進(jìn)展 [J].中南大學(xué)學(xué)報(bào)， 2020， 44（ 2增刊）： 1825 [9] 金紅 ,周源 .基于內(nèi)容檢索的視頻處理技術(shù) [J].中國圖像圖形學(xué)報(bào)， （ 4）： 276283 [10] 嚴(yán)捷豐 .交通視頻監(jiān)控中的車輛檢測與分割方法研究 [D].中國科學(xué)技術(shù)大學(xué)， 2020. [11] 佟守愚 .基于視頻技術(shù)的交通違章檢測與識(shí)別理論及方法研究 [D].吉林大學(xué)， 2020. [12] 韓超 .視頻車輛檢測技術(shù)背景及國內(nèi)外研究現(xiàn)狀 [J].無線互聯(lián)科技 ， 2020， 13(3):5671 [13] Qiang Ji,xiaojie eye,gaze,and face pose tracking for monitoring driver vigilance[J].RealTime Imaging,2020,8(2):357377 [14] 方帥 .計(jì)算機(jī)智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究 [D].東北大學(xué) ， 2020. [14] 歐曉丹 .多車粘連情況下的車輛跟蹤算法研究 [D].北方工業(yè)大學(xué)， 2020. [15] JenChao Tai,ShungTsang Tseng,ChingPo Lin,KaiTai Song. Realtime image tracking for automatic traffic monitoring and enforcement applications[J]. Image and Vision Computing, 2020,22(6):485501 [16] 謝俊 .基于 OpenCV 的視頻檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) [D].電子科技大學(xué)， 2020. [17] 陳吉廬 .基于 OpenCV 的紅外運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究及實(shí)現(xiàn) [D].南京理工大 學(xué) .2020. [18] 呂杉 .基于 OpenCV 的視頻運(yùn)動(dòng)檢測中背景減除算法的研究與改進(jìn) [D].吉林大 學(xué)， 2020. [19] 梁錫寧 .基于 OpenCV 的目標(biāo)跟蹤軟件與系統(tǒng)實(shí)現(xiàn) [D].電子科技大學(xué)， 2020. [20] Zhiqiang Wei,Xiaopeng Ji and Peng moving object detection for video monitoring systems[J].Journal of Systems Engineer and Electronics,2020,17(4):73l736 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 21 附 錄 通過以下代碼，在 Microsoft Visual Studio 2020 下運(yùn)行，完成圖像預(yù)處理、背景更新及前景運(yùn)動(dòng)車輛檢測等工作。 CvMat* pFrameMat = NULL。 CvFont font1。 CvPoint pt1, pt2, pt3, pt4, pt5。//The midpoint Y position of the rectangle surrounding the moving objects int avgX1 = 0。 pCapture = cvCaptureFromFile(E:\\畢業(yè)設(shè)計(jì) \\視頻 \\)。//逐幀讀取視頻 ,cvQueryFrame 從攝像頭或者文件中抓取并返回一幀 while (pFrameTemp = cvQueryFrame(pCapture)) { cvCopy(pFrameTemp, pFrame)。 cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY)。//在視頻中設(shè)置并畫出感興趣的區(qū)域 cvRectangle(pFrame, pt1, pt2, CV_RGB(255, 0, 0), 2, 8, 0)。 contour != 0。 avgX 600 amp。 if (40amp。 if (cvWaitKey(2) = 0) break。 cvReleaseImage(amp。 }