【文章內容簡介】 .............................. 21 5 總結與展望 ....................................................................................................................... 22 總結 ............................................................................................................................. 22 展望 ............................................................................................................................. 23 6 參考文獻 ........................................................................................................................... 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的設計 1 / 30 1 緒論 課題背景及研究意義 近幾十年來，世界工業(yè)技術得到了突飛猛進的發(fā)展，各國汽車數量增長迅猛。根據來自公安部交通管理局的消息，目前我國機動車保有量已達 1. 99 億輛，其中汽車 8500多萬輛。汽車數量的迅速增加造成交通擁擠嚴重、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峻考驗。 在我國 隨著 國民經濟高速發(fā)展和城市化進程的加快，機動車擁有量及道路交通量急劇增加。尤其是大城市，交通擁擠堵塞以及由此導致的一系列交通事故越趨頻繁，環(huán)境污染加劇，是我國城市面臨的極其嚴重的“城市病”之一，而且它已經演變成了制約國民經濟發(fā)展的瓶頸問題。 解決交通問題的傳統方法是修建拓寬道路，架設地下軌道，但對于有限的城市區(qū)域來說，可供修建道路的空間越來越少。 我國在大力進行道路基礎設施建設的同時，也認識 到如果單純依靠道路設施建設，難以達到解決日益嚴重的交通問題， 此外，交通系統是一個復雜的大系統，單獨從車輛方面或道路方面考慮，都很難完善的解決交通問題。必須依靠高科技來進行有效的交通管理，才有可能從根本上解決交通阻塞問題。 在此把道路和車輛綜合起來的解決交通問你的智能交通系統油然而生。 基于視頻的車輛檢測及擁堵預警系統加強了對道路交通系統的智能化監(jiān)控，使交通出行整體對能源的需求減少，進而減少了對環(huán)境的污染。系統的實施可減少車輛的速度變化頻率和停車次數，降低了城市噪音，路網的利用率大大提升，使道路更加順暢，從而也降低了交通事故的發(fā)生頻率。 通過對車輛擁堵情況的預警可以引導交通運輸向合理的模式轉變，提高商業(yè)車輛的運行效率，提高運輸企業(yè)的生產效率，改進服務質量，降低成本，從而大幅度提高交通運輸企業(yè)的經濟效益。 交通車輛檢測器的概述 基于視頻的車輛檢測及擁堵系統的設計 2 / 30 環(huán)形線圈檢測器 環(huán)形線圈檢測器是傳統的交通檢測器 又被稱做地感，一 般為一種埋設式的檢測系統 ，是目前世界上用量最大 最多 的一種檢測設備。車輛通過埋設在路面下的環(huán)形線圈 時 ，引起線圈磁場的變化，檢測器據此計算出車輛的流量、速度、時間占有率和長度等 等，一些 交通參數，并上傳給中央控制系統，以滿足交通控制系統的需要。此種方法技術成熟，易于掌握，并有成本較低的優(yōu)點。 這種方法也有以下缺點： a. 線圈在安裝或維護時必須直接埋入車道，這樣交通會暫時受到阻礙。 b. 埋置線圈的切縫軟化了路面，容易使路面受損，尤其是在有信號控制的十字路口，車輛啟動或者制動時損壞可能會更加嚴重。 c. 感應線 圈易受冰凍、路基下沉、鹽堿等自然環(huán)境的影響。 d. 感應線圈由于自身的測量原理所限制，當車流擁堵，車間距小于 3m的時候，其檢測精度大幅度降低，甚至無法檢測。 波頻檢測器 波頻車輛檢測器是以微波、超聲波和紅外線等對車輛發(fā)射電磁波產生感應的檢測器，這里主要介紹 微波車輛檢測器 （ RTMS），它是一種價格低、性能優(yōu)越的交通檢測器，可廣泛應用于城市道路和高速公路的交通信息檢測。 微波車輛檢測器（ RTMS）的工作方式是：采用側掛式，在扇形區(qū)域內發(fā)射連續(xù)的低功率調制微波，并在路面上留下一條長長的投影。 RTMS 以 2 米為一 “層 ”，將投影分割為 32 層。用戶可將檢測區(qū)域定義為一層或多層。 RTMS 根據被檢測目標返回的回波，測算出目標的交通信息，每隔一段時間通過 RS 232 向控制中心發(fā)送。它的車速檢測原理是：根據特定區(qū)域的所有車型假定一個固定的車長，通過感應投影區(qū)域內的車輛的進入與離開經歷的時間來計算車速。一臺 RTMS 側掛可同時檢測 8 個車道的車流量、道路占有率和車速。 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，測量精度會受到比較大的影響。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到要求。因此，在橋梁、 基于視頻的車輛檢測及擁堵系統的設計 3 / 30 立交、高架路的安裝會受到限制，安裝困難，價格也比較昂貴。 視頻檢測器 視頻車輛檢測器是通過視頻攝像機作傳感器，在視頻范圍內設置虛擬線圈，即檢測區(qū)，車輛進入檢測區(qū)時使背 景灰度值發(fā)生變化，從而得知車輛的存在，并以此檢測車輛的流量和速度。檢測器可安裝在車道的上方和側面，與傳統的交通信息采集技術相比，交通視頻檢測技術可提供現場的視頻圖像，可根據需要移動檢測線圈，有著直觀可靠，安裝調試維護方便，價格便宜等優(yōu)點，缺點是容易受惡劣天氣、燈光、陰影等環(huán)境因素的影響， 汽車的動態(tài)陰影也會帶來干擾。綜合來說，從所獲得的信息量角度，視頻檢測器無疑是最佳選擇，這是由視頻技術本身的特點所決定的。視頻檢測器是采用虛擬檢測區(qū)域用圖像處理方式分析交通信息，隨著圖像處理技術的發(fā)展視頻檢測成為了一種成熟的技術，逐步達到了類似人眼的 “所見即所得 ”的效果。而 使用線圈檢測器則需要不停的封路、施工、再封路、再施工。而視頻檢測器所具有的大區(qū)域檢測、安裝方便、后期維護量少必將取代目前市場占有率最大的線圈檢測器和超聲波檢測器成為交通信息采集檢測器的主流。 國內外研究現狀 圖像傳輸技術的研究現狀 20 世紀 90 年代以來，根據不同的應用需要， ISO / IEC 和 ITUT 采用相似的壓縮編碼技術分別制定了 M PEGx 和 H. 26x 系列視頻壓縮標準 .近年來，我國也開發(fā)了具有自主知識產權的數字音視頻編解碼技術標準，這些標準推動了視頻傳輸技術的實用化和產業(yè)化 。 背景更新算法的研究現 狀 在背景圖像更新的研究過程中近年來國內外出現了一些切實有效的方法。 Friedman及其小組將圖像中的每個像素點看作是由道路、車輛、陰影三種模型權重之和組成其中三種模型又可以由概率函數逼近這樣就可以對圖像中每個像素點建立一個概率模型并且每個像素點的模型都不一樣。建好模型之后可以通過先驗知識得到權重系數。利用模型可以重建背景圖像且可以利用經過模型處理后的實時圖像對背景圖像進行更新。Gupte 和其同事提出了自適應背景更新方法其基本原則是利用當前圖像修正背景圖像 基于視頻的車輛檢測及擁堵系統的設計 4 / 30 (當前背景 )以便和當前幀視頻圖像的背景更近似。在背景 更新過程中首先通過二位掩模將當前視頻圖像中的前景 (車輛、行人等 )去除，然后用剩下的背景像素 (瞬時背景 )與前一幀圖像的當前背景加權平均得到當前背景。 Chengcui Zhang 等人提出在某時間段內背景更新的方法即對每個像素在時間段內的灰度值用直方圖進行統計、分析得到該點的背景灰度值然后拼接各點得到背景圖像，作者還提出當圖像中出現停車現象時不必對停車處背景進行更新只要車輛移動隱藏的背景會自動出現 .然后進行背景更新。 流量統計算法的研究現狀 目前，發(fā)達國家在視頻交通流量統計系統的研究方面發(fā)展迅速，己經取得較大的進展，交通流量統計的研究在道路交通中己經得到了成熟的應用。在我國，起初計算機視頻檢測技術的研究基礎比較薄弱，尤其是視頻處理的關鍵技術，比如模式識別、計算機視覺的研究、數字圖像處理比國外落后 很多 。隨著我國科技實力的不斷增強，計算機視覺等相關技術的長足進步給計算機視頻檢測技術的研究和應用提供了強有力的技術支持。城市基礎道路的建設也給這方面的研究提供了實際的應用需求?，F在，己經有不少公司做出了產品。另外，國內的一些高校在這方面也做了深入的研究。 本文研究的主要內容 近年來，隨著社會經濟的快速發(fā)展，國內許多公路（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，造成了巨大的財產損失和人員傷亡。因此，交通信息檢測系統被廣泛應用于交通運輸生產實踐中，檢測的內容包括每個車道所通過的車流量、車輛平均速度和瞬時速度、車型分類、平均車距、道路占有率等信息，對于交通運行效率和安全有著非常重要的應用價值。本課題以交通信息檢測為研究背景，通過分析高速公路的視頻圖像，獲取車輛目標（運動目標）及車輛的速度，主要內容包括： （ 1）通過分析視頻圖像序 列建立交通場景的背景； （ 2）在背景建模的基礎上，實時提取運動目標； （ 3）建立交通視頻圖像中的像素坐標與路面世界坐標系的映射關系； （ 4）計算擁堵的車輛排隊長度的計算。 論文的結構安排 本論文共分五章，各章的主要內容如下 : 基于視頻的車輛檢測及擁堵系統的設計 5 / 30 第一章為緒論，簡要介紹論文的研究背景、車輛檢測算法和產品的在國內外的發(fā)展現狀及應用前景，明確本論文研究的主要內容，安排論文章節(jié)。 第二章詳細介紹了 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動車輛與背景的過程 。 第三章介紹 對提取出來的前景圖像進行進一步的處理，濾除噪聲，使得前景圖像更貼近于實際物體 。 第四章 講述了對交通道路上車流量檢測方案驗證 。 第五章是論文的結束部分。對本論文的研究工作進行了總結，并對今后在該領域里進一步的理論研究工作進行了展望。 基于視頻的車輛檢測及擁堵系統的設計 6 / 30 道路背景的提取 運動目標背景提取方法概述 在攝像機固定的情況下，背景的變化是緩慢的，而且大都是光照，風等等的影響，通過對背景建模，對一幅給定圖像分離前景和背景，一般來說，前景就是運動物體，從而達到運動物體檢測的目的。 對于運動物體的識別檢測 ,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?；趫D像幀與幀之間的差值算法 是最為簡便的一種方法，通過對視頻圖像序列中相鄰兩幀做差分運算來獲得運動目標輪廓，但是在提取目標時候的效果并不理想。 背景減去法 是首先 獲取場景的一幀的參考圖像 然后將 實時拍攝的一幀新圖像與之相減 再 對差圖像取閾值得到一副從固定背景中分割出來的二值化圖像 。 背景減去法對于靜止場景中可以很好的提取出目標的輪廓，但是對于目標突然運動時往往會出現檢測出錯，而且當背景圖像估計的不精確的時候也會 對目標檢測帶來重大的麻煩。背景模型法能夠很好的實現對背景的估計。 高斯模型的介紹 高斯模型就是 利 用高斯概 率密度函數（正態(tài)分布曲線）精確地量化事物，將一個事物分解為若干個 基于高斯概率密度函數（正態(tài)分布曲線）形成的 數學 模型。 對圖像背景建立高斯模型的原理及過程 可以理解為：由于 圖像灰度直方圖反映的是圖像中某個灰度值出現的 頻率 ，也可以 認 為是 對 圖像灰度概率密度的估計。如果圖像所包含的目標區(qū)域和背景區(qū)域相差比較大， 而 且背景區(qū)域和目標區(qū)域在灰度上 具 有一定的差異，那么該圖像的灰度直方圖 就會 呈現 出 雙峰 谷形狀，其中一個峰對 應于目標，另一個峰對應于背景的中心灰度。在智能監(jiān)控系統中，對于運動目標的檢測是 核心 內容，而在 對 運動 的目標 的 檢測 中 提取 目標 背景 ， 對于目標的識別和跟蹤至關重要。建模正是 對于 背景目標提取的一個重要 的有效的 環(huán)節(jié)。