【文章內容簡介】 ..................................... 61 作者簡歷 ................................................................................................................. 64 獨創(chuàng)性聲明 ............................................................................................................. 65 學位論文數(shù)據(jù)集 ..................................................................................................... 66 北 京 交 通 大 學 碩 士 學 位 論 文 緒論 9 1 緒論 研究背景和意義 我 國的交通事業(yè)經(jīng)過了幾十年的快速發(fā)展，已取得了突飛猛進的進步。但隨著快速發(fā)展給人們生活帶來極大便利的同時，也引起了各種安全隱患。例如交通事故發(fā)生率逐年上升，交通擁擠現(xiàn)象也成為大城市亟待解決的交通問題。交叉路口是交通事故和交通堵塞的頻發(fā)地帶，因此需要對交叉路口實現(xiàn)交通視頻的監(jiān)控，避免和減少事故和堵塞的發(fā)生。 目 前對 高速路出入口、事故多 發(fā) 路口、停 車場 、住宅小 區(qū) 出入口等交通場景監(jiān) 控的主要方式是通 過 安排 專 人 監(jiān)看 。 不僅 需要耗費大量的人力和物力 資 源，并且由于人工的方式準確度是有限的，可能會出現(xiàn)在高 強 度工作 環(huán) 境下發(fā)生錯誤，從 而不能 對 特殊情 況 及時做出反 應 。 為 了解 決這 些 問題， 在一些交通 場 景中也使用了 攝 像機 進行錄 像，事后再采用人工 觀 察的手段 來進 行統(tǒng)計，但是 這 種做法仍然需要大量的人工 輔 助工作，同樣 無 法對特殊情況做出實時的應對。 目前，監(jiān)測的手段大部分是使用 環(huán)形線 圈 傳 感器 來對 交通的情 況進 行 監(jiān)測，但 這 種 傳 感器只能 監(jiān)測 機動車的交通量、速度等信息， 獲 得的信息非常有限， 無法分析和 識別 目標的行 為 ，并且無法對非機動車進行有效的監(jiān)測 。 除此以外 這 種線 圈的安 裝 和 維護 有其自身的缺 點 ，比如在 橋 梁、立交 橋 上不能埋 設 ， 維 修需要開 挖路面等等，安 裝 和 檢 修的代價太大 ，因此具有很大的局限性。 智能交通 視覺監(jiān) 控的技 術 主要采用數(shù)字 圖 像 處 理技術和 計 算機 視覺 技術來共同建立一 個 完整的智能交通管理系 統(tǒng) 。此系統(tǒng)不需要人工干 預 、或者只需要很少的人工操作，通 過 安裝在固定位置的 攝 像機拍攝 的視頻 ， 實現(xiàn) 對目標的定位、 識別 和跟 蹤 及交通參數(shù)的分析 ， 并在此基 礎 上進一步實現(xiàn)目標（例如行人、 車輛 等）行 為 的分析和判 斷 ，并對目標行 為給 出合理的 語義 描述，做到既能完成日常管理，又能在 發(fā) 生緊急情 況時做出及時 反 應 ， 從 而提供了一種準確性、適應性更好的 監(jiān)控方案。 智能交通系統(tǒng)中的交通檢測和信息采集技術已經(jīng)成為視覺技術應 用的兩個重要課題。當前，智能交通系統(tǒng)是計算機視覺的一個重要研究方向。與傳統(tǒng)方法相比，智能交通系統(tǒng)具有成本低、性能好、功能多等優(yōu)點。基于視頻檢測的交叉口行人交通參數(shù)提取技術是智能交通系統(tǒng)的技術之一，也是智能交通系統(tǒng)中的重要應用。對行人的檢測、識別、跟蹤，并對具體的交通參數(shù)進行提取，例如行人的北 京 交 通 大 學 碩 士 學 位 論 文 緒論 10 流量、步行速度、方向等，這些參數(shù)將成為交通數(shù)據(jù)統(tǒng)計的重要依據(jù)，因此具有重要的實用價值。 由于基于視頻的交叉口行人檢測、跟蹤的復雜性，該技術仍處在起步階段，需要不斷的研究并加以改進。本論文針對行人檢測、識別、跟蹤中一些關鍵問 題進行了探索和研究，提出了新的方法，這些關鍵技術可以有效地提高行人檢測與跟蹤的性能，提高所提取的交通參數(shù)的準確性。 智能交通系統(tǒng) 世界各國 城市化的 發(fā)展 和 車輛家庭化的普及 ， 使事故發(fā)生率上升和擁擠現(xiàn)象成為亟待解決的交通問題 。為了解決該問題， 美國、西歐和日本等 發(fā)達國家 先后投入了大量的人力、物力 ，在 智能交通系統(tǒng) (Intelligent Transport Systems，簡稱 ITS)的研究 上取得了一定的成果 。 ITS 將先進 、快速、準確 的計算機技術、數(shù)據(jù)通訊傳輸技術 、 信息技術 、 電子 技術、 自動控制技術等 進行整合， 綜合運用 到 整個交通運輸體系 中，在車輛、道路、使用者三者之間建立了緊密的聯(lián)系，實現(xiàn)交通運輸管理的智能化。 通過 各種先進的設備和手段 實時采集 和 處理交通信息，對 突發(fā)的交通 狀況進行 協(xié)調和處理，建立 起 實時 、 高效 。 準確的綜合 交通 運輸管理體系，充分利用 先進的 交通設施 ，更大程度的 提高交通效率和安全，最終使 得 交通運輸服務 質量 和管理 水平進一步提升 ，實現(xiàn)交通運輸 管理 的集約式發(fā)展。 ITS 研究 始于 歐洲 1986 年 的 高效安全歐洲交通計劃 （ PROMETHEUS） 和美國的智能車輛與道路系統(tǒng) (IVHS， 1992 年 )。 該 系統(tǒng)的最初目的是 實現(xiàn) 對 建成的 道路網(wǎng)功能擴展 ， 實現(xiàn)車輛管理的智能化。隨著 其他領域 技術的不斷 發(fā)展 ，PROMETHEUS 和 IVHS 的研究逐漸發(fā)展為 整個 ITS 的研究。為了減少交通擁擠，改善 交通 環(huán)境，世界各國投入大量的 物力和人力 加緊研究，以 爭取 在未來 競爭的ITS 市場中占據(jù) 一席之地 。歐洲 作為最早開展 ITS 研究的地區(qū)， 早在 70 年代就開始 智能 交通 方面 的研究， 2021 年歐共體推出了 一項 eEurope 的計劃， 目的是 投入更多 的 人力 和 物力推進 ITS 在歐洲的 發(fā)展； 日本開始 是從 道路的智能控制研究 起步 ， 70 年代就己經(jīng) 成功 研制了 許多 道路控制系統(tǒng) 。當前 ，日本的 ITS 研究 的主要領域包括：自動收費系統(tǒng) 、 車輛導航 系統(tǒng)以及安全駕駛系統(tǒng)等。經(jīng)過 近幾年 的發(fā)展，歐美和日本在 ITS 研究和 ITS 系統(tǒng) 開發(fā) 上都處 于領先地位。 中國經(jīng)濟 20 世紀 90 年代以 后步入了 高速發(fā)展時期， 導致 交通需求越來越高，車輛和道路的 供需 矛盾越來越大，智能交通系統(tǒng)在我國的實施 開展是大勢所趨 。雖然 智能交通系統(tǒng)的研究在我國 仍然 處于起步階段， 但 ITS 作為 新的 經(jīng)濟增長點和 作為解決交通供需矛盾的主要手段 已得到相關部門的高度重視。 北 京 交 通 大 學 碩 士 學 位 論 文 緒論 11 國內外研究現(xiàn)狀 將道路系統(tǒng)和車輛作為緊密相關的一個整體去考慮 ，是 當前 ITS 研究 的基本思想， 因此， 智能車 輛系統(tǒng) IMS(Intelligent Vehicle System)成為 智能交通系統(tǒng) ITS的一個重要組成部分。美國的 ITS 項目開發(fā)分 為 7 類，其中的 自動高速公路系統(tǒng)AHS(Automated Highway System)、先進的駕駛員信息系統(tǒng) ADIS(Advanced Driver Information System)、 先進車輛控制系統(tǒng) AVCS(Advanced Vehicle Control System)都是緊緊圍繞車輛進行。 各個國家不斷發(fā)展和完善 ITS 體系，加強了智能車輛系統(tǒng)的研發(fā) ，經(jīng)過 近幾年的 發(fā)展 ，歐美和日本在 智能 車輛方面的研究和發(fā)展處于 世界領先地位，一些地區(qū)已經(jīng) 實現(xiàn) 了成熟的智能車輛 控制系統(tǒng)。 在實際生活中， 交通使用者 通過 直接的觀察 可以 得到 90%左右 的 交通 信息，例如車輛 基本狀況 、交通信號 燈 、交通標志 牌 、車道線、道路 基本狀況 、道路標記、障礙物等 。因此 ，可以考慮應用視覺 技術 來 識別 道路環(huán)境。基于視覺 技術 的智能車輛研究 始于 60 年代末，由于 需要 實時圖像處理的 數(shù)據(jù) 量非常大，而當時 計算機的運算 能力有限，只有少數(shù)幾個研究組 能夠從事 這方面 的 研究。隨著 計算機技術的不斷發(fā)展，目前的計算機硬件水平 達到了 實時圖像處理 的要求。 一方面，計算機硬件的 價格不斷下降，體積不斷變小，性能有了 大幅度 的提高 ； 另一方面，CCD(Charge Coupled Device)攝像頭 的價格便宜 ，體積小，圖像處理算法有 準確 性高 和適應能力強等特點。因此視覺 技術 在智能 交通系統(tǒng) 中有廣闊的應用前景。 目前國內外對 基于 視頻圖像處理 的 運動目標檢測和跟蹤研究 有 很多， 有一批很有 應用 價值的文獻 和一些 成型 的 系統(tǒng) [1]。國內如西安交通大學 的 圖像處理與識別研究所、華中理工大學 的 圖像識別與人工智能研究所 ，他們的研究重點放在運動目標的 檢測上。 清華大學 的 圖形圖像研究所 、 中科院自動化所模式識別國家重點實驗室 以 及上海交 通 大 學的 圖像處理與模式識別研究所 則 主要 是 針對運動跟蹤中的輪廓跟蹤算法進行了 深入的 研究。但是國內的研究主要停留在理論方面，還沒有出現(xiàn)比較大型的并應用于實際的成型系統(tǒng)。 國外的研究 重點在 于在應用中 的 理論 研究 ，如卡內基梅隆大學和 Sarnoff公司聯(lián)合 開發(fā) 的視頻監(jiān)控系統(tǒng) VASM(Video Surveillance And Monitoring)系統(tǒng) [2]，該系統(tǒng)的 目的是為了 改進 自動視頻 識別 技術， 它通過用戶的操作可以監(jiān)視復雜 的場景，如城市 市中心 或戰(zhàn)場 ； 美國馬里蘭州大學和 IBM 公司聯(lián)合 開發(fā) 的實時視頻監(jiān)控系統(tǒng) W4[3],該系統(tǒng)能夠 將形狀分析和跟蹤技術相結合，對人的 外觀 進行模型構建。該系統(tǒng)可以在 復雜 的環(huán)境下檢測 到人群并實現(xiàn) 跟蹤 ； 美國麻省理工學院 開發(fā) 的Pfinder[4]系統(tǒng) 實現(xiàn)了 人 的 三維描述， 能夠 在復雜的 室內 環(huán)境下對單個人進行跟蹤等。 北 京 交 通 大 學 碩 士 學 位 論 文 緒論 12 從上文可以看出，針對車輛的目標檢測、跟蹤、識別研究已有部分的成果問世，車輛的體積 大，速度穩(wěn)定，運動軌跡較為連貫，和具有一定的規(guī)律，而且車輛之間的間距較大，因此車輛方面的相關技術相對較為容易。但針對行人的目標檢測、跟蹤、識別研究則相對滯后，而且具體情況異常復雜，例如行人在視頻中的面積小，行動較為隨機，速度并不連貫，而且行人之間的間距有可能較小，甚至可能有重疊，這在車輛的檢測中是不可能出現(xiàn)的，這些都給相關技術造成了很大的技術難點。 主要研究內容和論文框架 本文主要是 針對 交通視頻中交叉口行人的 檢測 、識別、跟 蹤 和交通參數(shù)提取技術 進 行研究，其中對視頻圖像預處理、行人的檢測、識別、行人的跟 蹤 和交 通參數(shù)提取幾個步驟的相關算法進行了設計和改進。 主要創(chuàng)新點為： （ 1）提出一種改進的中值濾波去噪算法，此算法對受噪聲污染的圖像的像素點進行分類，有針對性的對噪聲點區(qū)域去噪，而對于非噪聲點不進行操作，更好的保持了圖像的細節(jié)信息，使去噪更有針對性，降低了濾波器去噪過程的模糊效應。 （ 2）針對智能交通交叉口的行人的檢測和識別問題，設計了具體操作步驟解決各種技術難點。設計了完整的行人檢測、區(qū)域處理、行人識別和陰影的去除算法的完整流程，實現(xiàn)了基于視頻檢測的行人目標識別。 （ 3）完成了攝像機空間拍攝的視頻數(shù)字圖像中的坐 標到實際物理世界空間坐標系的映射換算，建立了世界坐標與圖像坐標之間的函數(shù)關系，得到了圖像中目標點在現(xiàn)實中的二維位置坐標，為之后的交通參數(shù)提取打下了基礎。針對行人的特點，提取了包括行人目標的質心、位移、步行速度、步行加速度和行人的流量等交通參數(shù)，為交通基礎研究、仿真系統(tǒng)模擬現(xiàn)實提供了珍貴的數(shù)據(jù)和信息。 本文共分成五個章節(jié)，第一章緒論，包括本文的選題背景和研究意義、智能交通系統(tǒng)概述、國內外研究現(xiàn)狀和全文章節(jié)體系。第二章至第四章分別對視頻圖像預處理、行人檢測、識別、跟 蹤 和交通參數(shù)提取三個方面的研究內容進行闡述，并 對原有方法和改進方法進行了對比。第五章為總結與展望。 北 京 交 通 大 學 碩 士 學 位 論 文 交 通 圖 像 預 處 理 13 2 交通圖像預處理 由于存在客觀因素如系統(tǒng)噪聲（成像系統(tǒng)在成像、通信過程產(chǎn)生的噪聲）、攝像設備的分辨率因素和外界干擾因素的影響，都會使受噪聲影響的交通視頻質量下降，從而導致有關信息的丟失和提取錯誤。因此有必要對交通視頻圖像采取一定的預處理，從而得到高質量的圖像。 視頻圖像降質模型 由于智能交通視頻的每幀數(shù)字圖像的信號產(chǎn)生、傳送和處理到最后成像的過程的復雜性，最終得到的圖像很有可能受到噪聲的干擾。例如，在圖像傳輸中會產(chǎn)生脈沖噪聲，在激光和超聲圖像中常存在乘性椒 鹽噪聲，而照明不穩(wěn)定、鏡頭或感光器件灰塵以及非線性信道傳輸引起的圖像退化等都會產(chǎn)生不同種類的噪聲。受到上述噪聲干擾圖像的數(shù)學模型根據(jù)方式的不同可以分為高斯噪聲、椒鹽噪聲和乘性噪聲等噪聲類型 [5]。 高斯噪聲和椒鹽噪聲屬于原始信號疊加噪聲，公式為 ( , ) ( , ) ( , )nx i j x i j n i j?? (21) 其中 (, )nx i j 為加入噪聲后的圖像， ( , ) ( , )x i j n i j， 分別是原始的圖像和噪聲信號。 （ 1）高斯噪聲主要為在原始的 圖像信號上加入了正態(tài)分布的噪聲，高斯噪聲的概率密度函數(shù)滿足正態(tài)分布，公式