【正文】 .......... 18 提取車輛信息 .............................................................................................................. 19 車流量計(jì)數(shù) .................................................................................................................. 20 擁堵級(jí)別評(píng)定 .............................................................................................................. 20 本章小結(jié) ...................................................................................................................... 21 5 總結(jié)與展望 ....................................................................................................................... 22 總結(jié) ............................................................................................................................. 22 展望 ............................................................................................................................. 23 6 參考文獻(xiàn) ........................................................................................................................... 24 7 致謝 ................................................................................................................................... 25 附錄 基于混合高斯模型的背景提取與更新程序 ................................................................ 26 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 1 / 30 1 緒論 課題背景及研究意義 近幾十年來，世界工業(yè)技術(shù)得到了突飛猛進(jìn)的發(fā)展，各國汽車數(shù)量增長迅猛。 3. 修改稿（經(jīng)、管、文法類專業(yè)）按順序裝訂成一本。 提出系統(tǒng)的設(shè)計(jì)設(shè)計(jì)方案的論證合理； 設(shè)計(jì)過程思路通順，步驟清晰，程序正確； 論文書寫規(guī)范。 主要參考文獻(xiàn)與外文翻譯文件（由指導(dǎo)教師選定） [1]王力，王川久，沈曉蓉，范躍祖 .智能交通系統(tǒng)中實(shí)時(shí)交通信息采集處理的新方法 .系統(tǒng)工程 . [2]夏紅霞，周宏，楊紅云 .基于 GIS/GPS 車輛監(jiān)控系統(tǒng)實(shí)現(xiàn)及關(guān)鍵技術(shù) .微機(jī)發(fā)展 .， [3]宮曉燕 .基于數(shù)據(jù)挖掘的交通流數(shù)據(jù)過濾算法 .20xx 全國智能交通系統(tǒng)交通信息采集與融合技術(shù)研討會(huì)論文集 .杭州， 20xx:163～ 173 [4]吳淑琴 .導(dǎo)航電子地圖標(biāo)準(zhǔn)化及基于 GIS 的交通流分析 .中南大學(xué)碩士學(xué)位論文 .20xx. [5]茆詩 松，周紀(jì)薌 .概率論與數(shù)理統(tǒng)計(jì) .北京 :中國統(tǒng)計(jì)出版社， 20xx. [6]羅欣，基于圖像處理技術(shù)的車輛檢測流量統(tǒng)計(jì)技術(shù)研究： [碩士學(xué)位論文 ]，電子科技大學(xué)， 20xx [7]王積分，張新榮著，計(jì)算機(jī)圖像識(shí)別，北京：中國鐵道出版社， 1988 [8]岡薩雷斯著，阮秋琦，阮宇智譯，數(shù)字圖像處理（第二版），北京：電子工業(yè)出版社， 20xx [9] 辛明瑞 高德遠(yuǎn) 佟鳳輝著 ，微電子學(xué)與計(jì)算機(jī)（第 11 期），西安：西北工業(yè)大學(xué)航空微電子中心， 20xx:164～ 168 [10] Abnamezuk Microputer Based TV Detector for Road on road Research Program, Tokyo, Japan, 1984, (10): 562567. [11] Inigo RM. Application of Machine Vision to Traffic Monitoring and on Vehicular Technology, 1989, 38(3): 112122. 外文翻譯： XIN Mingrui GAO Deyuan TONG Fenghui Research on SIMD Architecture for Digital Image Processing. Aviation Microelectronics Center of Northwestern Polytechnical University,20xx. 同組設(shè)計(jì)者 注： 1. 此任務(wù)書由指導(dǎo)教師填寫。汽車數(shù)量的迅速增加造成交通擁擠嚴(yán)重、交通事故頻發(fā)、交通環(huán)境的惡化，給我國城市道路交通問題提出了嚴(yán)峻考驗(yàn)。 解決交通問題的傳統(tǒng)方法是修建拓寬道路，架設(shè)地下軌道，但對(duì)于有限的城市區(qū)域來說，可供修建道路的空間越來越少。 RTMS 以 2 米為一 “層 ”，將投影分割為 32 層。 Friedman及其小組將圖像中的每個(gè)像素點(diǎn)看作是由道路、車輛、陰影三種模型權(quán)重之和組成其中三種模型又可以由概率函數(shù)逼近這樣就可以對(duì)圖像中每個(gè)像素點(diǎn)建立一個(gè)概率模型并且每個(gè)像素點(diǎn)的模型都不一樣。 第二章詳細(xì)介紹了 道路背景提取的一些方法，以及基于混合高斯建模的背景分離出運(yùn)動(dòng)車輛與背景的過程 。 首先我們要提起背景和前景的概念，前景是指在假設(shè)背景為靜止的情況下，任何有意義的運(yùn)動(dòng)物體即為前景。 MATLAB 可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、圖像處理、信號(hào)檢測、金融建模設(shè)計(jì)與分析等領(lǐng)域。綜合比較幾種背景建模的方法的算法和檢測的效果，根據(jù)監(jiān)控系統(tǒng)對(duì)實(shí)時(shí)性的要求，選擇算法簡單、運(yùn)算快的 方 法來提取 分離 背景 于前景 。 figure, subplot(1,2,1),imshow(uint8(bw)),title(39。腐蝕后的圖像 39。 title(39。 % 3*3 圓形結(jié)構(gòu)元素 IC=imclose(I,se)。車輛跟蹤法進(jìn)行參數(shù)提取時(shí)不需要考慮車道的分布，因此不受車道的影響。 圖 檢測線上的圖像分割結(jié)果 圖 相對(duì)應(yīng)的車輛信息 車流量計(jì)數(shù) 根據(jù)虛擬檢測線上車輛的位置和相鄰幀間的運(yùn)動(dòng)關(guān)系來進(jìn)行車輛的計(jì)數(shù)。在文章的最后對(duì)智能交通擁堵狀態(tài)識(shí)別系統(tǒng)的各模塊進(jìn)行了分解，從縱向的角度去分析闡述了幾個(gè)主要模塊在功能實(shí)現(xiàn)上的連續(xù)性。 計(jì)數(shù)算法 :通過上面的幀間關(guān)系可以看出，統(tǒng)計(jì)幀間車輛信息的上升沿，并且是連續(xù)出現(xiàn)的“ 1。本文研究了在一定時(shí)間之內(nèi)的汽車交通流量。3*3 圖形結(jié)構(gòu)元素閉操作 39。)。這 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 15 / 30 個(gè)公式說明用 B 對(duì) A 進(jìn)行開操作是通過求取 B 在擬合 A 是的平移的并集得到的，也就是說，開運(yùn)算可以表示為一個(gè)擬合操作。 腐蝕及 的 實(shí)現(xiàn) ： 對(duì)于集合 A 和 S，使用 S 對(duì) A 進(jìn)行腐蝕，記為 A? S，定義為： ? ? ?? AS|zAS z ??? （ 32） 如果當(dāng) S 的原點(diǎn)移到 z 點(diǎn)時(shí) S 能夠完全包含于 A 中，則所有這樣的 z 點(diǎn)構(gòu)成的集合即為 S 對(duì) A 的腐蝕圖像。膨脹通常用于將圖像中原本斷裂的同一物體橋接起來。 % 設(shè)置匹配記號(hào) % 更新權(quán)值 weights，均值 mean，標(biāo)準(zhǔn)差 sd和參數(shù)學(xué)習(xí)率 p w(i,j,k) = (1alpha)*w(i,j,k) + alpha。 高斯模型的權(quán)重 w初始化： 權(quán)重的初始化就是對(duì)背景的分布進(jìn)行先驗(yàn)概率的估值，在初始化的時(shí)候，一般將第一個(gè)高斯模型的權(quán)重取較大，其他就相應(yīng)的取值較小，即： ? ? ? ? ? ???? ?? ?? 11/W1 11, kK kWyxk? （ 23） 高斯模型參數(shù)的更新 ? 每當(dāng)新的像素值輸入到高斯模型，都會(huì)對(duì)現(xiàn)有模型參數(shù)進(jìn)行更新，這就是高斯模型的學(xué)習(xí)過程。 對(duì)于運(yùn)動(dòng)物體的識(shí)別檢測 ,以及背景提取的算法 ,目前大致可以分類為三種 ： 第一種是基于圖像幀與幀之間的差值算法 ,第二種是背景減去法 ,第三種 則 是背景模型 建立 法。 流量統(tǒng)計(jì)算法的研究現(xiàn)狀 目前，發(fā)達(dá)國家在視頻交通流量統(tǒng)計(jì)系統(tǒng)的研究方面發(fā)展迅速，己經(jīng)取得較大的進(jìn)展，交通流量統(tǒng)計(jì)的研究在道路交通中己經(jīng)得到了成熟的應(yīng)用。另外，微波檢測器要求離最近車道有 3m 的空間，如要檢測 8 車道，離最近車道也需要 79m 的距離而且安裝高度達(dá)到要求。 通過對(duì)車輛擁堵情況的預(yù)警可以引導(dǎo)交通運(yùn)輸向合理的模式轉(zhuǎn)變，提高商業(yè)車輛的運(yùn)行效率，提高運(yùn)輸企業(yè)的生產(chǎn)效率，改進(jìn)服務(wù)質(zhì)量，降低成本，從而大幅度提高交通運(yùn)輸企業(yè)的經(jīng)濟(jì)效益。 關(guān)鍵詞 ： 車流量； 高斯算法；背景更新；形態(tài)學(xué)； 虛擬檢測線 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) BASED ON THE VIDEO DETECTION AND CONGESTION PREWARNING SYSTEM DESIGN ABSTRACT In recent decades, the world39。 2. “組織紀(jì)律 ”一檔應(yīng)按《長沙理工大學(xué)學(xué)生學(xué)籍管理實(shí)施辦法》精神，根據(jù)學(xué)生具體執(zhí)行情況，如實(shí)填寫。 CHENGNAN COLLEGE OF CSUST 畢業(yè)設(shè)計(jì)（論文） 題目 ： 基于視頻的車輛檢測及擁堵預(yù)警系統(tǒng) 的設(shè)計(jì) 城南學(xué)院 畢業(yè)設(shè)計(jì)（論文）任務(wù)書 電氣與信息工程 系 電子信息工程 專業(yè) 班 題 目 基于視頻的車輛檢測及擁堵預(yù)警系統(tǒng)的設(shè)計(jì) 學(xué) 生 姓 名 學(xué) 號(hào) 指 導(dǎo) 教 師 教研室主任 年 月 日審查 院 長 年 月 日批準(zhǔn) 一、 畢業(yè)設(shè)計(jì)（論文）任務(wù) 課題內(nèi)容 近年來，隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，國內(nèi)許多公路（特別是京珠高速公路）的車流量與日俱增，引發(fā)了越來越多的交通事故和道路擁堵，造成了巨大的財(cái)產(chǎn)損失和人員傷亡。階段分布由各學(xué)院自行決定。 （ 3）利用單位時(shí)間內(nèi)通過路口的車流量來反映這段時(shí)間內(nèi)的這段路間的交通擁堵情況。系統(tǒng)的實(shí)施可減少車輛的速度變化頻率和停車次數(shù)，降低了城市噪音，路網(wǎng)的利用率大大提升，使道路更加順暢，從而也降低了交通事故的發(fā)生頻率。 微波車輛檢測器（ RTMS）的測量方式在車型單一，車流穩(wěn)定，車速分布均勻的 道路上準(zhǔn)確度較高，但是在車流擁堵以及大型車較多、車型分布不均勻的路段，由于遮擋，測量精度會(huì)受到比較大的影響。 Chengcui Zhang 等人提出在某時(shí)間段內(nèi)背景更新的方法即對(duì)每個(gè)像素在時(shí)間段內(nèi)的灰度值用直方圖進(jìn)行統(tǒng)計(jì)、分析得到該點(diǎn)的背景灰度值然后拼接各點(diǎn)得到背景圖像，作者還提出當(dāng)圖像中出現(xiàn)停車現(xiàn)象時(shí)不必對(duì)停車處背景進(jìn)行更新只要車輛移動(dòng)隱藏的背景會(huì)自動(dòng)出現(xiàn) .然后進(jìn)行背景更新。 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 6 / 30 道路背景的提取 運(yùn)動(dòng)目標(biāo)背景提取方法概述 在攝像機(jī)固定的情況下，背景的變化是緩慢的，而且大都是光照，風(fēng)等等的影響，通過對(duì)背景建模，對(duì)一幅給定圖像分離前景和背景，一般來說，前景就是運(yùn)動(dòng)物體，從而達(dá)到運(yùn)動(dòng)物體檢測的目的。 初始化混合