【導(dǎo)讀】日俱增，引發(fā)了越來(lái)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。和安全有著非常重要的應(yīng)用價(jià)值。目前，公路監(jiān)控系統(tǒng)大多采用感應(yīng)式線圈的檢測(cè)方法，在。輛運(yùn)行軌跡等，另一個(gè)優(yōu)點(diǎn)是安裝維護(hù)時(shí)不影響道路的使用。本課題以交通信息檢測(cè)為研究。車輛排隊(duì)長(zhǎng)度的計(jì)算。近幾十年來(lái)，世界工業(yè)技術(shù)得到了突飛猛進(jìn)的發(fā)展，

　　

【正文】 像 圖像的 腐蝕 腐蝕的作用能夠消融物體的邊界，而具體的腐蝕結(jié)果與圖像本身和結(jié)構(gòu)元素的形狀有關(guān)。如果物體整體上大于結(jié)構(gòu)元素，腐蝕的結(jié)果使物體變“瘦”一圈，而這一圈的大小是由結(jié)構(gòu)元素決定的；如果物體本身小于結(jié)構(gòu)元素，則腐蝕后的圖像中物體將完全消失；如果物體僅有部分區(qū)域小于結(jié)構(gòu)元素，則腐蝕后物體會(huì)在細(xì)連通處斷裂，分離為兩部分。 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。 利用用 matlab 進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)代碼如下： clear all 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 14 / 30 bw = imread(39。D:\39。) bw = rgb2gray(bw) se1=strel(39。disk39。,1)。 bw1=imerode(bw,se1)。 figure, subplot(1,2,1),imshow(uint8(bw)),title(39。原圖 39。) subplot(1,2,2),imshow(uint8(bw1)), title(39。腐蝕后的圖像 39。) 實(shí)驗(yàn)結(jié)果如圖 所示： 圖 經(jīng)過(guò)腐蝕處理前后的圖像 開運(yùn)算及其實(shí)現(xiàn) 開運(yùn)算和閉運(yùn)算都由膨脹和腐蝕復(fù)合而成，開運(yùn)算是先腐蝕后膨脹。 利用它可以消除小物體，在纖細(xì)點(diǎn)處分離物體，平滑較大物體邊界，但同時(shí)并不明顯改變?cè)瓉?lái)物體的面積。 使用結(jié)構(gòu)元素 S 對(duì) A 進(jìn)行開運(yùn)算，記為 A? S，可表示為： ? ? SSASA ???? （ 33） 開運(yùn)算的簡(jiǎn)單幾何解釋為 :假設(shè)將結(jié)構(gòu)元素 B 看成是一個(gè)扁平的“轉(zhuǎn)球”。 BA? 的邊界通過(guò) B 中的點(diǎn)完成，即 B 在 A 的邊界內(nèi)轉(zhuǎn)動(dòng)時(shí)， B 中點(diǎn)所能到達(dá)的 A 的邊界的最遠(yuǎn)點(diǎn)。則開運(yùn)算的另一個(gè)數(shù)學(xué)公式表示為 : ? ? ? ? ?? AB|BBA zz ???? （ 34） 其中， ???? 指大括號(hào)中所有集合的并集，符號(hào) DC? 表示 C 是 D 的一個(gè)子集。這 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 15 / 30 個(gè)公式說(shuō)明用 B 對(duì) A 進(jìn)行開操作是通過(guò)求取 B 在擬合 A 是的平移的并集得到的，也就是說(shuō)，開運(yùn)算可以表示為一個(gè)擬合操作。 一般來(lái)說(shuō)，開運(yùn)算可以使圖像輪廓變得光滑，還能使狹窄的連接斷開和消除細(xì)毛刺。 利用 matlab 進(jìn)行開運(yùn)算實(shí)驗(yàn)代碼如下： clear all I=imread(39。D:\39。)。 se=strel(39。square39。,3)。 IO=imopen(I,se)。 subplot(1,2,1),imshow(I)。 title(39。原圖 39。)。 subplot(1,2,2),imshow(IO)。 title(39。3*3 的正方形結(jié)構(gòu)元素開運(yùn)算 39。)。 實(shí)驗(yàn)結(jié)果如圖 所示 ： 圖 開運(yùn)算處理前后效果 閉運(yùn)算及其實(shí)現(xiàn) 閉運(yùn)算是先膨脹后腐蝕 ， 利用它可以填充物體內(nèi)細(xì)小空洞，連接臨近物體、平滑其邊界，但同時(shí)并不明顯改變?cè)瓉?lái)物體的面積。 使用結(jié)構(gòu) S 對(duì) A 進(jìn)行閉運(yùn)算，記為 AS，表示為： ? ? SSASA ???? （ 35） 閉運(yùn)算同樣可以使輪廓變得平滑，但與開運(yùn)算相反，它通常能夠彌合狹窄的間斷，填充小的洞孔。 利用 matlab 進(jìn)行閉運(yùn)算的實(shí)驗(yàn)代碼如下： 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 16 / 30 clear all I=imread(39。D:\39。)。 se=strel(39。disk39。,3)。 % 3*3 圓形結(jié)構(gòu)元素 IC=imclose(I,se)。 % 閉運(yùn)算 subplot(1,2,1),imshow(I),title(39。原圖像 39。)。 subplot(1,2,2),imshow(IC)。 title(39。3*3 圖形結(jié)構(gòu)元素閉操作 39。)。 實(shí)驗(yàn)結(jié)果如圖所示： 圖 閉運(yùn)算處理前后效果 本章小結(jié) 本章介紹了了運(yùn)用形態(tài)學(xué)處理圖像的方法，并且分別采用膨脹，腐蝕，開運(yùn)算，閉運(yùn)算對(duì)圖像進(jìn)行處理，運(yùn)用 matlab 進(jìn)行實(shí)驗(yàn)，結(jié)果表明，運(yùn)用閉運(yùn)算處理本文研究的內(nèi)容 能夠彌合狹窄的間斷，填充小的洞孔 ，得到的效果明顯比單獨(dú)膨脹，腐蝕或采用開運(yùn)算要好，因此我決定采用多次閉運(yùn)算對(duì)前景圖像進(jìn)行處理 。 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 17 / 30 車流量的檢測(cè) 交通流量檢測(cè)是智能交通系統(tǒng)中的重要組成部分，交通信息的收集是智能交通系統(tǒng)的基礎(chǔ)，實(shí)時(shí)、可靠的基本交通信息是我們判斷交通狀況的根本依據(jù)，是智能交通系統(tǒng)科學(xué)控制和管理人、車、路的前提?；谝曨l的車流量統(tǒng)計(jì)的方法可分為虛擬檢測(cè)線法和車輛跟蹤法兩大類。虛擬檢測(cè)線法，其工作原理類似于地埋式線圈檢測(cè)器。用戶在圖像上定義檢測(cè)區(qū)域位置，當(dāng)車輛經(jīng)過(guò)該區(qū)域時(shí)，必然引起局部區(qū)域的視覺信息變化，系統(tǒng)通過(guò)虛擬檢測(cè)線變化強(qiáng)度來(lái)判斷車輛經(jīng)過(guò)與否，進(jìn)而可以計(jì)算車流量。該方法運(yùn)算量小，在滿足實(shí)時(shí)要求的前提下完成流量檢測(cè)，同時(shí)也未能充分利用圖 像信息，降低了系統(tǒng)的可靠性。車輛跟蹤法則是通過(guò)識(shí)別出交通場(chǎng)景圖像中符合車輛特征的像素，進(jìn)行圖像分割，并依據(jù)提取出的特征來(lái)匹配前后兩幅圖像中的車輛，從而計(jì)算車流量。理論上車輛跟蹤法比虛擬檢測(cè)線法更為嚴(yán)謹(jǐn)，由于車輛跟蹤法是以大范圍的區(qū)域?yàn)樘幚韺?duì)象，因此克服了虛擬檢測(cè)線法小范圍處理易受噪聲干擾的不足，而且交通參數(shù)提取也更為全面 。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。但是，要想同時(shí)達(dá)到比較高的準(zhǔn)確性以及實(shí)時(shí)性要求確實(shí)不易。因此，本文采用虛擬檢測(cè)線的方法統(tǒng)計(jì)車流量。 車流量檢測(cè)系統(tǒng)的設(shè)計(jì) 車流量即交通流量，是指在給定的單位時(shí)間內(nèi)，通過(guò)道路某一斷面或某一點(diǎn)的運(yùn)行單元 (車輛 )。按時(shí)間分類有 :日交通流量、高峰小時(shí)交通流量 (輛 /小時(shí) )等等 。按交通運(yùn)行單元分還可以分為機(jī)動(dòng)車交通流量、自行車交通流量等等。本文研究了在一定時(shí)間之內(nèi)的汽車交通流量。 系統(tǒng)框圖如圖 所示： 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 18 / 30 圖 像 采 集預(yù) 處 理背 景 建 模圖 像 分 割形 態(tài) 學(xué) 處 理提 取 車 輛 信 息車 輛 計(jì) 數(shù)背景更新 圖 系統(tǒng)功能框圖 車流量檢測(cè)算的 研究 當(dāng)車輛經(jīng)過(guò)檢測(cè)線時(shí)，檢測(cè)線上的圖像灰度將發(fā)生變化，對(duì)當(dāng)前幀的灰度跟背景幀的灰度相減，利用檢測(cè)線上運(yùn)動(dòng)象素的個(gè)數(shù)來(lái)確定是否有車輛通過(guò)，該方法計(jì)算車流量，算法非常簡(jiǎn)單快捷。詳細(xì)的流程圖如圖 所示。 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 19 / 30 設(shè) 置 虛 擬 檢 測(cè) 線圖 像 濾 波背 景 差二 值 化形 態(tài) 學(xué) 處 理提 取 車 輛 信 息是 否 有 車 輛 通 過(guò) 檢 查 線 背 景 更 新否計(jì) 數(shù) 加 1是實(shí) 時(shí) 交 通 圖 像初 始 背 景 圖 系統(tǒng)流程圖 提取車輛信息 當(dāng)車輛經(jīng)過(guò)檢測(cè)線時(shí)，檢測(cè)線上的圖像灰度將發(fā)生變化，對(duì)當(dāng)前幀的灰度跟背景幀的灰度相減，利用檢測(cè)線上運(yùn)動(dòng)象素的個(gè)數(shù)來(lái)確定是否有車輛通過(guò)，該方法計(jì)算車流量，算法非常簡(jiǎn)單快捷。詳細(xì)的流程圖如圖 所示。 ? ? ? ?????? ?? ??e l s eTnj0j，iFG1iM1 (41) 式中， M(i)為提取出的一維車輛信息， FG(i, j)為檢測(cè)線上點(diǎn) ((i)的二值圖， T 為閾值 。 由于車輛有一定的寬度，車輛通過(guò)時(shí)必然會(huì)在圖像上留下記錄。對(duì)一維函數(shù)進(jìn)行統(tǒng)計(jì)分析，形成如圖 所示的曲線。在這條曲線上可以看到一些連續(xù)的值為 1”的點(diǎn)， 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 20 / 30 表示有車輛出現(xiàn) 。連續(xù)的值為“ 0”的點(diǎn)，表示沒有車輛出現(xiàn)。 圖 檢測(cè)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(cè)線上車輛的位置和相鄰幀間的運(yùn)動(dòng)關(guān)系來(lái)進(jìn)行車輛的計(jì)數(shù)。鄰幀間的運(yùn)動(dòng)關(guān)系可以描述為 : 用 flag=1 表示信息位為 1, flag=0 表示信息位為 0。 (1)當(dāng)前幀某位置為 flag=1 時(shí) : 如果上一幀中該位置 為 flag=1，則表明有車正通過(guò)檢測(cè)區(qū) 。 如果上一幀中該位置 為 flag=0，則表明車輛剛進(jìn)入檢測(cè)區(qū)。 (2)當(dāng)前幀某位置為 flag=0 時(shí) :2 如果上一幀中該位置 為 flag=1，則表明有車剛離開檢測(cè)區(qū) 。 如果上一幀中該位置 為 flag=0，則表明無(wú)車進(jìn)入檢測(cè)區(qū)。 計(jì)數(shù)算法 :通過(guò)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。當(dāng)“ 1”的個(gè)數(shù)達(dá)到某個(gè)長(zhǎng)度時(shí)即認(rèn)為該位置有新車到來(lái)，進(jìn)行計(jì)數(shù)。 擁堵級(jí)別評(píng)定 擁堵評(píng)價(jià)指標(biāo)的建立是嚴(yán)格按照擁堵強(qiáng)度、擁堵范圍、擁堵時(shí)間二個(gè)參數(shù)來(lái)制定的，這二參數(shù)中的擁堵強(qiáng)度是本文的研究對(duì)像，它是通過(guò)交通流區(qū)域占有比例值與擁堵等級(jí)標(biāo)準(zhǔn)的聯(lián)系來(lái)反映交通擁堵輕重程度的一個(gè)重要指標(biāo)。 國(guó)外比如美國(guó)已經(jīng)擁有了完善的交通擁堵評(píng)價(jià)系統(tǒng) CMS (congestionManagement System)。為了推動(dòng)暢通工程的開展，我國(guó)公安部和建設(shè)部也制定了一系列科學(xué)、實(shí)用的 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 21 / 30 交通擁堵評(píng)價(jià)體系。交通擁堵指數(shù)是交通擁堵評(píng)價(jià)體系的重要兀素之 一，他是評(píng)價(jià)交通流擁堵狀態(tài)的一個(gè)給定參照，區(qū)域比例可以與相應(yīng)的擁堵指數(shù)對(duì)應(yīng)，輸出值越大就代表交通狀況越差，相反就表示當(dāng)前交通運(yùn)行狀況良好。 圖 擁堵及級(jí)別與擁堵指數(shù)對(duì)用表 圖 負(fù)荷度與交通流量擁堵等級(jí)的對(duì)應(yīng) 對(duì) 于 本系統(tǒng)對(duì)交通負(fù)荷度的輸出判定結(jié)果有兩種，一種是交通流相對(duì) 于 路面區(qū)域的比例，另一種是車輛數(shù)與承載數(shù)的比例。要想在程序中得到一個(gè)對(duì)交通流飽和度的準(zhǔn)確評(píng)定，我們必須權(quán)衡兩者的重要性，根據(jù)國(guó)際慣例，對(duì)交通流擁堵狀態(tài)的評(píng)價(jià)主要包含面積密度和個(gè)數(shù)密度，兩者對(duì)交通負(fù)荷度的影響的大小并不是本文所要考慮的問(wèn)題，因此我們可以假定交通流相對(duì)十路面區(qū)域比例 P 的“影響系數(shù)”為 Ki，車輛數(shù)與承載數(shù)比例的“影響系數(shù)”為 Kp，如果車輛個(gè)數(shù)為 N，當(dāng)前選擇區(qū)域的車輛最大負(fù)荷為 G，則本系統(tǒng)的輸出負(fù)荷度應(yīng)為 : ? ?N/GKPK 21 ? （ 42） 本章小結(jié) 本章 主要講述了計(jì)算車流量的一種法，主要是利用設(shè)置虛擬檢測(cè)線的方式，對(duì)經(jīng)過(guò)車輛進(jìn)行統(tǒng)計(jì)，得到單位時(shí)間內(nèi)，該路段的車流量信息，從而可以直觀的反映出，某段時(shí)間內(nèi)，該路段的交通擁堵情況，另外我們還可以通過(guò)交通流相對(duì)于路面區(qū)域的比例，來(lái)判斷擁堵情況。 基于視頻的車輛檢測(cè)及擁堵系統(tǒng)的設(shè)計(jì) 22 / 30 總結(jié)與展望 總結(jié) 本文首先說(shuō)明了課題的研究背景、意義和現(xiàn)狀及系統(tǒng)總流程，接著介紹了利用 混合高斯建模 進(jìn)行交通 背景的提取 原理和過(guò)程，實(shí)現(xiàn)了交通流圖像 背景與前景的區(qū)分 。然后對(duì)采集圖進(jìn)行了包括腐蝕、膨脹、 開運(yùn)算，閉運(yùn)算 等一系列圖像處理操作，接著利用上述圖像操作數(shù)據(jù)對(duì)交通流擁堵狀態(tài)進(jìn)行評(píng)價(jià)。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。 智能交通領(lǐng)域是一個(gè) 和熱門并且 很有吸引力的領(lǐng)域，同時(shí)也是一個(gè)很具有挑戰(zhàn)性的領(lǐng)域，圖形圖像與智能交通的知識(shí)碰撞給筆者帶來(lái)了對(duì)此領(lǐng)域進(jìn)行深入研究的巨大動(dòng)力，通過(guò)這 一學(xué)期 對(duì)本課題的 設(shè)計(jì) 工作，筆者也參閱了大量的相關(guān)文獻(xiàn)，著重從如何提高識(shí)別的效率，如何避開外界環(huán)境 波動(dòng) 的影響， 在 如何 克服交通流圖像的多樣性和復(fù)雜性上進(jìn)行研究，最終實(shí)現(xiàn)了交通擁堵智能識(shí)別系統(tǒng)的所有 仿真實(shí)驗(yàn) ，以下就此 設(shè)計(jì) 做一個(gè)總結(jié)。 本文可以看作是對(duì)智能交通擁堵識(shí)別系統(tǒng)的 分 析，也可以看作是車輛擁堵識(shí)別技術(shù)基十圖像研究方面的算法和設(shè)計(jì)，更可