【正文】 cvReleaseImage(amp。 if (40amp。 contour != 0。 cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY)。 pCapture = cvCaptureFromFile(E:\\畢業(yè)設(shè)計(jì) \\視頻 \\)。 CvPoint pt1, pt2, pt3, pt4, pt5。 CvMat* pFrameMat = NULL。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。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。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。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。 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。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。 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。 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。 （ 3）平臺(tái)無關(guān)性。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)。 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。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。 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。 視頻序列圖像運(yùn)動(dòng)目標(biāo)分析的基本內(nèi)容是利用成像系統(tǒng)或現(xiàn)有文件，從連續(xù) 的視頻序列圖像中提取出運(yùn)動(dòng)目標(biāo)，同時(shí)對(duì)提取出的運(yùn)動(dòng)目標(biāo)進(jìn)行識(shí)別和跟蹤， 并對(duì)其行為進(jìn)行理解和描述。 同時(shí)也有不少公司在這方面作了許多努力，如清華紫光與清華大學(xué)合作開發(fā)的新一代視頻交通流量檢測系統(tǒng) VS3001，哈爾濱工業(yè)大學(xué)的 VTD2020 系列視頻交通動(dòng)態(tài)信 息采集系統(tǒng)，亞洲視覺公司的路段交通信息系統(tǒng)等等。 MVTec 公司開發(fā)的 HALCON 是其中之一，它包含了 C／ C++代碼的圖像處理庫?；?OpenCV 開發(fā)的程序可以直接在 Windows， Unix，Linux， MacOS X， Solaris， HP 等平臺(tái)之間相互移植，無需對(duì)代碼進(jìn)行任何修改。 第二章：本章主要研究了基于視頻的車輛檢測技術(shù)的發(fā)展及趨勢，通過對(duì)已有的視頻車輛檢測技術(shù)及其發(fā)展趨勢的分析，說明基于 OpenCV 的視頻車輛檢測的優(yōu)勢和可研究性。三年后，美國休斯飛機(jī)公司評(píng)測 了當(dāng)時(shí)存在的幾種檢測技術(shù)，包括視頻檢測技術(shù)，測評(píng)結(jié)果指出基于視頻圖像處理的車輛檢測系統(tǒng)已經(jīng)具備了投入實(shí)際使用的潛力。首先，由于是對(duì)整幅圖像進(jìn)行檢測，必然導(dǎo)致處理的運(yùn)算量大，系統(tǒng)開銷大，在視頻檢測這種實(shí)時(shí)性要求極高的系統(tǒng)中使用必然造成嚴(yán)重的延時(shí)；其次，由于場景中包含如路邊花壇、樹木、紅綠燈桿等大量的干擾比較嚴(yán)重的前景物體，容易成為干擾因素，引起檢測時(shí)誤差的增大；第三，整幅圖像檢測容易造成物體分割不明顯，對(duì)靜止的物體檢測效率低下。局部檢測區(qū)域的設(shè)置遵循以下規(guī)則： （ 1）檢測區(qū)域不包含明顯前景物體，如圍欄、花壇或樹木。 對(duì)獲得的車輛前景和背景差圖 像，采用閾值分割化技術(shù)是一種常用的提取運(yùn)動(dòng)物體的分割技術(shù)。通常會(huì)遇到如下一些問題： (l)背景的提取。本文在基于 OpenCV 開發(fā)環(huán)境的基礎(chǔ)上，充分利用該視覺庫的特點(diǎn)和優(yōu)越性，進(jìn)行了視頻車輛檢測相關(guān)技術(shù)的研究，具體包括有圖像采集與讀取、圖像預(yù)處理、背景初始化與更新以及基于背景差分法的前景目標(biāo)檢測，另外，在整體的實(shí)現(xiàn)上，本文設(shè)計(jì)了一套完整的車輛視頻檢測流程，該 算法充分考慮了實(shí)時(shí)性以及準(zhǔn)確性的要求，在查閱大量相關(guān)文獻(xiàn)資料和研究的基礎(chǔ)上，本文主要作了以下研究： （ 1）闡述了課題的研究背景和研究意義，并說明了當(dāng)前研究的難點(diǎn)，以及本課題所要解決的問題和創(chuàng)新點(diǎn)。大學(xué)中有其他地方?jīng)]有的學(xué)習(xí)生活環(huán)境，而我的成長與老師們的教導(dǎo)、同學(xué)們的幫助、家人的關(guān)懷是分不開的。 CvMat* pFrMat = NULL。 = 200。 pFrame = cvQueryFrame(pCapture)。 cvConvert(pFrImg, pFrameMat)。 contour = contourh_next) { bndRect = cvBoundingRect(contour, 0)。amp。pBkImg)。pFrImg)。 = + 。 for (。 cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY)。 cvMoveWindow(foreground, 690, 0)。//用于記錄顯示車輛 bool FindCar = false。 IplImage* pFrImg1 = NULL。 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 19 謝 辭 值此畢業(yè)論文完成之際，我的四年大學(xué)生涯也接近尾聲，回首往昔，頗多遺憾，頗多欣喜。 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 17 第五章 總結(jié) 與展望 本文總結(jié) 隨著圖像處理技術(shù)和計(jì)算機(jī)視覺的飛速發(fā)展，純視頻檢測系統(tǒng)必然會(huì)成為以后主導(dǎo)的電子警察系統(tǒng)的檢測方式。 大連交通大學(xué) 2020 屆本科生畢業(yè)論文 12 ? n1 | f ( , ) ( , ) |0 o the r w ise( , ) nx y B x ynD x y ? ? ?? （ 315） 這種方法進(jìn)行運(yùn)動(dòng)車輛 檢測時(shí)可以克服幀間差分法的缺點(diǎn) ,可以比較完整和精確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測。 二值化閾值分割 在圖像預(yù)處理完成后，接著要做的工作就是通過前景圖像和背景圖像，提取視頻中的前景圖像，即運(yùn)動(dòng)車輛。 （ 4）提取前景運(yùn)動(dòng)車輛：主要涉及到的操作包括有檢測運(yùn)動(dòng)車輛，用紅色矩形框標(biāo)出。 宏觀檢測法對(duì)整幅圖像進(jìn)行檢測，采用這種檢測方法圖像蘊(yùn)含的信息量豐富，能把整幅圖像中的所有車道的車輛都檢測出來。同期基于視頻的車輛檢測的研究也在歐洲和日本廣泛展開此后十年間基于視頻的車輛檢測技術(shù)取得了長足的進(jìn)步。研究了如何準(zhǔn)確的在視頻中檢測車輛，設(shè)計(jì)算法并進(jìn)行測試分析。 （ 2）豐富的函數(shù)功能，強(qiáng)大的圖像和矩陣運(yùn)算能力： OpenCV 提供了數(shù)組、序列、矩陣、樹等基本結(jié)構(gòu)，也包含了差分方程求解、傅立葉分析、積分運(yùn)算、特殊函數(shù)等眾多高級(jí)數(shù)學(xué)計(jì)算函數(shù)，以及各種圖像處理操作和目標(biāo)跟蹤、攝像機(jī)校準(zhǔn)、三維重建等高級(jí)視覺函數(shù)。 Delft 科學(xué)圖像處理庫 DIPlib 是另一個(gè)科學(xué)圖像處理 C 程序庫，包含了許多圖像數(shù)據(jù)多維分析和處理函數(shù)。 教授則在 1984 年提出一種應(yīng)用圖像幀差的方法來檢測車輛，其原理是在每一條道路上均設(shè)置一條與道路相平行的檢測線，通過車輛沿車道的方向分割出運(yùn)動(dòng)車輛，此方法運(yùn)用于瑞典皇家技術(shù)院研制的道路監(jiān)控系統(tǒng)中取得了良好的效果。 視頻檢測技術(shù)在傳統(tǒng)的電視監(jiān)視系統(tǒng)基礎(chǔ)上將計(jì)算機(jī)視覺引入到交通信息 檢測之中，通過計(jì)算機(jī)從數(shù)字圖像中提取出高級(jí)交通信息，同時(shí)又像其它車輛檢 測器一樣能向交通監(jiān)控中心提供圖像和交通參數(shù)如車速、車 流量等。 近年來，智能交通系統(tǒng)的應(yīng)用給交通運(yùn)輸業(yè)帶來了巨大的經(jīng)濟(jì)效益，對(duì)于道路設(shè) 計(jì)、流量監(jiān)控和高速公路管理起到了越來越重要的作用。視頻圖像的運(yùn)動(dòng)分析以數(shù)字圖像處理為基礎(chǔ)，內(nèi)容 涉及數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺、人工智能等諸多領(lǐng)域和學(xué)科。這些產(chǎn)品大多數(shù)功能都比較單一，雖說有的也比較好的實(shí)現(xiàn)了視頻檢測的功能，但在實(shí)際的推廣當(dāng)中效果并不明顯，還遠(yuǎn)遠(yuǎn)沒有達(dá)到實(shí)際應(yīng)用的要求，同國外的產(chǎn)品相比還有相當(dāng)?shù)牟罹唷?LabView 在 NI 圖像處理硬件的支持下能加速圖像處理。 （ 4）方便靈活的用戶接口。 第三章： 本章通過對(duì)車輛檢測算法的分析，針對(duì)于一個(gè)道路交通視頻做了圖像預(yù)處理、背景提取與更新、前景目標(biāo)檢測等工作，為后續(xù)實(shí)驗(yàn)步驟提供理論基礎(chǔ)。 1994 年 Mn/DOT(明尼蘇達(dá)運(yùn)輸部 )為 FHWA(美國聯(lián)邦公路局 )進(jìn)行了更詳盡嚴(yán)格的測評(píng)，結(jié)果表明視頻檢測器的檢測準(zhǔn)確性和可靠性可以達(dá)到令人滿意的程度同時(shí)隨著視頻車輛檢測技術(shù)的發(fā)展，人們已不滿足于檢測出車輛， FHWA 進(jìn)一大連交通大學(xué) 2020 屆本科生畢業(yè)論文 7 步利用此技術(shù)來提取交通參數(shù)，如交通流量、十字路口的車輛轉(zhuǎn)向信息等。 微觀檢測法則對(duì)圖像的局部區(qū)域進(jìn)行檢測，包括有線性檢測法和窗口檢測法。 （ 2）檢測區(qū)域內(nèi)應(yīng)包含有所有需要檢測的車道，實(shí)際系統(tǒng)中是對(duì)全景攝像機(jī)的視頻流進(jìn)行檢測，因此，需要使檢測區(qū)域涵蓋所有車道才能滿足檢測要求。閾值分割的原理其實(shí)是先確定一個(gè)處于圖像灰度范圍內(nèi)的灰度值，然后通過將圖像中各個(gè)像素的灰度值和該閾值比較，然后由比較的結(jié)果將圖像劃分為兩類：像素灰度大于閾值的一類和像素灰度小于閾值的一類。當(dāng)前背景的提取方法大致分為兩大類 ,一類是無運(yùn)動(dòng)車輛存在時(shí)背景的提取方法 ,如 W4 法，這種無運(yùn)動(dòng)車輛存在的條件在車輛檢測環(huán)境下很難滿足 ,且需要人為的實(shí)時(shí)監(jiān)控；另一類是有運(yùn)動(dòng)車輛存在時(shí)的背景提取方法 ,如基于統(tǒng)計(jì)的方法包括平均值法 ,中值法等 ,然 而這種方法在運(yùn)動(dòng)物體所占面積較大和在大量幀中出現(xiàn)時(shí) ,估計(jì)出的背景幀不理想且處理時(shí)間較長。介紹了 OpenCV 函數(shù)庫，并實(shí)現(xiàn)實(shí)驗(yàn)平臺(tái)的搭建。 首先，我要感謝我的畢業(yè)導(dǎo)師賈世杰老師。 CvMat* pBkMat = NULL。//(視頻中左下點(diǎn) ) = 200。 int widthT, heightT。 cvConvert(pFrImg, pFrMat)。 avgX = ( + + ) / 2。45) //把長度小于某個(gè)閥值的干擾矩形去掉 { cvRectangle(pFrame, pt3, pt4, CV_RGB(255, 0, 0), 1, 8, 0)。 cvReleaseMat(amp。 //釋放圖像和矩陣 c