【正文】 西南交通大學(xué)博士論文 ， 2020 [5] 鄭賢清 ， 基于交通錄像資料的交通流參數(shù)測(cè)量和模型研究 。并且針對(duì)車(chē)輛互相遮擋這 一干擾視頻車(chē)輛檢測(cè)結(jié)果準(zhǔn)確性的因素，尋找能夠有效消除車(chē)輛遮擋干擾的方法，然后進(jìn)行實(shí)驗(yàn)確定消除車(chē)輛遮擋的效果是否明顯。在剛開(kāi)始查閱資料時(shí)，發(fā)現(xiàn)很多圖像處理算法看起來(lái)都非常復(fù)雜，幾乎不想看下去了但是堅(jiān)持看了一段時(shí)間后，發(fā)現(xiàn)還是可以理解的。 心得體會(huì) 我在做畢業(yè)設(shè)計(jì)的過(guò)程中得到了很多啟發(fā)： 第一，要詳細(xì)制定計(jì)劃，并嚴(yán)格按照計(jì)劃來(lái)執(zhí)行工作。在背景提取技術(shù)中主要研究了中值背景建模，高斯背景建模以及幀差背景建模。在智能交通 系統(tǒng)的實(shí)際 應(yīng)用 上 ，基于計(jì)算機(jī)視覺(jué)的 檢測(cè)方法擁有 易于維護(hù) 、 費(fèi)用 較 低、 效果良好 等 諸多優(yōu)點(diǎn) 。 四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì) 長(zhǎng)度檢測(cè)技術(shù)研究 24 6. 小結(jié) 工作總結(jié) 智能交通系統(tǒng)是將先進(jìn)的信息處理技術(shù)、計(jì)算機(jī)技術(shù)、傳感技術(shù)、數(shù)據(jù)通信傳輸技術(shù)以及電子控制技術(shù)等合理地運(yùn)用于交通管理，從而組建的一個(gè)大范圍的、高效的、實(shí)時(shí)的、準(zhǔn)確的交通綜合管理系統(tǒng)。 從而實(shí)現(xiàn)對(duì) 測(cè)量窗口內(nèi) 車(chē)輛的準(zhǔn)確計(jì)數(shù) ，使 收集 到的 車(chē)道 內(nèi) 車(chē)輛信息 更加準(zhǔn)確 ]18[ 。這種 方法 可以 有效解決車(chē)輛 陰影和遮擋 問(wèn)題 ,從而得到更加準(zhǔn)確的交通信息 ]17[ 。此 方法應(yīng)用效果良好 ,具有 不錯(cuò) 的 實(shí)際效益 ]16[ 。 國(guó)內(nèi)有很多 科研 機(jī)構(gòu)長(zhǎng)期 進(jìn)行 視頻車(chē)輛檢測(cè)技術(shù)的研究 ， 針對(duì)車(chē)輛檢測(cè)中的 車(chē)輛識(shí)別，車(chē)輛計(jì)數(shù)和車(chē)速測(cè)量 等交通 信息 的 檢測(cè) 作了大量的 研發(fā) 工作 ，并且提出了一些具有創(chuàng)意的新方法。 綜上所述， 目前世界上 的 視頻車(chē)輛檢測(cè)技術(shù)主要是 利用 幀差法 ，邊緣檢測(cè)法和 背景差法 等 來(lái) 實(shí)現(xiàn)對(duì) 車(chē)輛 的檢測(cè)。該方法 在道路圖像中設(shè)置虛擬傳感器 ,每個(gè)虛擬傳感器只對(duì)道路圖像中的一 個(gè) 小窗口進(jìn)行操作 ， 通過(guò) 幀差 法和在潮濕道路上檢測(cè)反射 和陰影 的方法 來(lái) 確定傳感器的狀態(tài) ,利用監(jiān)視一個(gè)或多個(gè)傳感器的狀態(tài)可以計(jì)算出 車(chē)輛長(zhǎng)度、速度、數(shù)量和車(chē)道占有率。將這些技術(shù)運(yùn)用到實(shí)際的交通信息監(jiān)測(cè)中有許多需要克服的困難 ,但是 世界各國(guó)的 科研人員不畏艱險(xiǎn)在智能交通系統(tǒng)相關(guān)學(xué)術(shù)領(lǐng)域進(jìn)行了大量工作 ,而且 也取得 了很多優(yōu)秀的研 究 成果 。 四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)技術(shù)研究 21 圖 414 背景差法處理后的圖片 圖 415顯示了標(biāo)記了車(chē)隊(duì)首尾的圖片。 圖 411 消除陰影的圖像 由圖 4圖 4圖 411 可以看出，消除陰影基本達(dá)到了目的，為以后的處理做好了鋪墊。 圖 48 500幀時(shí)幀差法建立的背景 由圖 4圖 4圖 48可以看出，使用幀差法建立的背景比較準(zhǔn)確。 四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì) 長(zhǎng)度檢測(cè)技術(shù)研究 18 背景建模 實(shí)驗(yàn) 結(jié)果及分析 中值建模 實(shí)驗(yàn) 結(jié)果及分析 圖 4圖 46顯示了圖像源。 圖 42 灰度化處理后的圖片 通過(guò)對(duì)比圖 4圖 42，可以發(fā)現(xiàn)灰度化處理已經(jīng)成功將原來(lái)的彩色圖像成功轉(zhuǎn)化為只有黑白兩色的圖片。 圖 32車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)流程 本章小結(jié) 本章主要分析探討了 圖像預(yù)處理技術(shù)、 視頻場(chǎng)景背景 提取、視頻陰影消除技術(shù)以及 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè) 的算法 及其實(shí)現(xiàn) 。 本文采用下面的 方法來(lái)確定車(chē)輛隊(duì)列起始位置： (1)對(duì)采用背景差法得到的圖像中的像素逐行進(jìn)行掃描，設(shè)置 iK = 0 表示這一行中是車(chē)輛區(qū)域的像素個(gè)數(shù)，因?yàn)?jiV, =1 表示像素（ i,j)是車(chē)輛區(qū)域，所以掃描到 jiV, =1 則 iK = iK +1。背景差法的基本流程是：先將背景圖像與待檢測(cè)圖像進(jìn)行減運(yùn)算從而得到得到差值圖像，再利用閾值化分割法將目標(biāo)車(chē)輛從背景中提取出來(lái)。 其檢測(cè)流程如下： （ 1） 對(duì) 當(dāng)前幀圖像 I與通過(guò)背景更新算法獲得背景圖像 B 求得差圖像 S； （ 2） 對(duì)差圖像進(jìn)行 Otsu 閾值分割，獲得二值化圖像 IB； （ 3）對(duì) 車(chē)輛前景區(qū)域的 原 圖像進(jìn)行 藍(lán)色 通道 Otsu 閾值分割， 從而獲得 獲取車(chē)輛的明亮部分 IL； （ ） 公式 中 Threshold 表示求得的 B 通道的 Otsu 閾值 （ 4） 對(duì) 源圖像和背景圖像 中 的 R， G 分量進(jìn)行比例判斷，得到車(chē)輛的暗影部分 IG； （ ） 公式 中 ? 為比例閾值， 10 ??? ； （ 5）將圖像 IL 與 IG 進(jìn)行或操作得到結(jié)果圖像。 交通監(jiān)控系統(tǒng) 采集 的視頻圖像由于 會(huì) 受太陽(yáng) 光 和反射光的影響，藍(lán)色 會(huì) 發(fā)生散射， 所四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì) 長(zhǎng)度檢測(cè)技術(shù)研究 14 以 某一像素點(diǎn)的藍(lán)色分量在為 陰影 和 背景 時(shí)的變化 會(huì)比較 小，而綠色分量 和 紅色分量 會(huì)按照 比例 發(fā)生 衰減。 從上述 的 式子可 知道 ，歸一化互相關(guān)函數(shù)涉及到大量的 平方 和 開(kāi)方 運(yùn)算，運(yùn)算匹配速度 會(huì) 比較慢，在 這個(gè) 基礎(chǔ)上，文獻(xiàn) ]10[ 提出了一種快速歸一化互相關(guān)函數(shù)的陰影檢測(cè) 算法 ，這個(gè) 方法通過(guò)三個(gè)加總表 來(lái) 對(duì)快速歸一化算法進(jìn)行改進(jìn)， 從而 使計(jì)算時(shí)不含開(kāi)方運(yùn)算，計(jì)算復(fù)雜度也不依賴于模板的大小。 在 HSV 空間（色相，飽和度，明度） 中 ,當(dāng)前車(chē)輛陰影和 其 位置所對(duì)應(yīng)的背景的 HSV四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)技術(shù)研究 13 空間像素值 ， V分量會(huì) 減 小，并且 會(huì) 發(fā)生較大的變化，而 H分量和 S分量的變化不 會(huì)很 大，而且 車(chē)輛的暗影部分 中 的 V 值也會(huì)降低，下降幅度 會(huì) 大于車(chē)輛的形成的陰影，可以通過(guò)判斷像素點(diǎn)位置 中 的 V分量來(lái)確定該位置是車(chē)輛還 陰影 是部分。 采用 模型的方法 因?yàn)?陰影模型的 建立 比較困難、耗時(shí)較大， 所以 一般的實(shí)時(shí) 的 陰影檢測(cè) 算法 都是 使用 基于特征的方法來(lái) 實(shí)現(xiàn)的 。 陰影分為自身陰影和投射陰影兩類(lèi)。如果不能將陰影很好的去除， 就 會(huì)給后續(xù)的 車(chē)輛檢測(cè)等帶來(lái)很大 的干擾 。 （ 4）判斷背景建模是否已經(jīng)建好，理想狀態(tài)是將背景一直建立下去，這樣建立的背景會(huì)越來(lái)越好，但是背景建模完畢后才能進(jìn)行后續(xù)操作，因此可以選取適當(dāng)?shù)牡撝?，?jīng)過(guò)一定的迭代次數(shù)后，背景建模建立完畢。 幀差背景模型 本文選用幀差法建立背景模型， 基于幀差法建立背景的流程圖如圖 31 所示。首先 ,采用多高斯分布模型的方法建立背景，然后根據(jù)更新背景參數(shù) 來(lái) 進(jìn)行背景更新， 最后 再 進(jìn)行像素點(diǎn)判定是否為背景點(diǎn)。單模態(tài)和多模態(tài)適用的場(chǎng)景不同，在簡(jiǎn)單的場(chǎng)景中，比如空曠的道路、 蔚藍(lán) 的天空、平靜的水面 等 ，這些場(chǎng)景 使 用單模態(tài)模型可以 很好的描述。中值背景建模采用的 方法 是每 N 幀圖像進(jìn)行一次背景建模，如果當(dāng)前背景圖像不再準(zhǔn)確時(shí)， 就 需要?jiǎng)?chuàng)建新的背景圖像，這種方法在實(shí)時(shí)的智能交通系統(tǒng)中 不一定能 滿足需要，對(duì)于背景突變的情況 適用性不足 ，比如突然降雨，道路變濕 等情況 都不能及時(shí)的更新背景，使后續(xù)檢測(cè)結(jié)果不夠準(zhǔn)確。 HerreroJaraba 等人提出了中值背景建模的方法， 中值背景模型的 優(yōu)點(diǎn)是算法復(fù)雜度低，建模速度快 。場(chǎng)景變化有很多， 比 如 新的 干擾物的 增加 、光線的 變化 、場(chǎng)景中的物體被移出等，這些都對(duì)背景建模帶來(lái)了不便。采用這種方法可以有效地減弱高頻分量， 但是 會(huì)影響到低頻分量。這樣可以使圖像更加平滑，但又不會(huì)使邊緣和細(xì)節(jié)有明顯的模糊。 在實(shí)際 的 運(yùn)用 當(dāng) 中，可以根據(jù)需要 的不同來(lái) 選擇使用不同大小的模板尺寸，如 3 3,5 5,7 7 等。圖像濾波主要以下幾種：均值濾波法、加權(quán)平均濾波法，中值濾波法。然后每一個(gè)小窗口在按照設(shè)定的某個(gè)閾值 T進(jìn)行二值化處理。圖像二值化主要分為局部閾值二值化和全局閾值二值化兩種。查閱相關(guān)資料 ]7[ 可以得知最合理的灰度圖像的權(quán)值是 ,，這樣加權(quán)平均公式為公式 。表達(dá)式見(jiàn)公式 。這種方法處理得到的灰度圖色彩亮度高。 圖像的灰度化處理就是將彩色圖像中的彩色信息刪除，只保留亮度信息。而用來(lái)進(jìn)行車(chē)輛檢測(cè)所需要的圖像最好是背景干凈的、輪廓明顯的清晰圖像。 幀差 法 的原理 則 是通過(guò)當(dāng)前幀 的 圖像與上一幀 的 圖像 進(jìn)行減運(yùn)算 得到 差值 圖像， 由于車(chē)輛是運(yùn)動(dòng)的，因此 從差值圖像中 可以得到車(chē)輛運(yùn)動(dòng)軌跡的殘差， 然后 通過(guò)圖像分割方式得到 需要的 檢測(cè)區(qū)域，常見(jiàn)的 幀差法 有 兩 幀幀差法和三幀幀差法。 現(xiàn)在 使 用最多的 檢測(cè)法 是區(qū)域檢測(cè)法， 這種 方法 結(jié)合了以上兩種檢測(cè)法各自 的優(yōu)點(diǎn)。 微觀檢測(cè)法 主要 檢測(cè) 圖像中的感興趣區(qū)域 ，包括 窗口 檢測(cè)法 和線性 檢測(cè)法 等 。 宏觀檢測(cè)法 需檢測(cè) 整幅圖像 的 全部區(qū)域 ， 使 用這種檢測(cè)方法 可以檢測(cè)出目標(biāo) 圖像中的全部 車(chē)輛 信息 。這個(gè)學(xué)科常用的處理方法包括圖像變換、圖像的增強(qiáng)和復(fù)原、圖像分割、圖像編碼壓縮和圖像分類(lèi)等。 一張圖像經(jīng)過(guò)數(shù)字化成為很多小方塊所組成的圖像元素，每一個(gè)小方塊中都標(biāo)有一個(gè)坐標(biāo)。 “ 數(shù)字圖像 ” 則是將傳統(tǒng)的照片或者錄像模擬信號(hào)經(jīng)過(guò)處理及數(shù)字化后生成的。 第四部分： 實(shí)驗(yàn)結(jié)果及分析，對(duì)第三章中提出的 圖像預(yù)處理技術(shù)、 視頻場(chǎng)景背景 提取、視頻陰影消除技術(shù)以及 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè) 的算法進(jìn)行了實(shí)驗(yàn)分析 ； 四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)技術(shù)研究 3 第五部分：介紹了國(guó)內(nèi)外相關(guān)技術(shù)的研究狀況； 第 六 部分： 小結(jié)，對(duì)本文全部工作進(jìn)行總結(jié)及展望。研究?jī)?nèi)容是視頻序列中車(chē)輛排隊(duì)長(zhǎng)度的檢測(cè)。 （ 3） 視頻檢測(cè)系統(tǒng)能夠?qū)⒔煌ìF(xiàn)場(chǎng)錄像傳輸給交通管理機(jī)構(gòu)，從而使交管部門(mén)的調(diào)控更加有效，并且可以提供交通事故的現(xiàn)場(chǎng)錄像。目前對(duì)視頻圖像運(yùn)動(dòng)目標(biāo)分析系統(tǒng)的研發(fā)不但在通用上有很高的的要求，在實(shí)時(shí)性和可移植性上也面臨著不少難題。缺點(diǎn)是受環(huán)境影響比較大，在安裝和維護(hù)時(shí)需要挖開(kāi)路面阻礙交通，而且感應(yīng)線圈本身容易損壞。超聲波發(fā)射器對(duì)目標(biāo)區(qū)域發(fā)射超聲波，當(dāng)有車(chē)輛通過(guò)檢測(cè)區(qū)域時(shí)，此時(shí)接收器會(huì)在不同時(shí)間接收到回波，根據(jù)接收回?fù)艿牟煌瑫r(shí)間確定車(chē)輛是否通過(guò)檢測(cè)區(qū)域。 車(chē)輛檢測(cè)系統(tǒng)作為 ITS 的一個(gè)基本組成部分，在其中發(fā)揮著非常重要的作用，它負(fù)責(zé)提供詳細(xì)的交通信息數(shù)據(jù)，從而使智能交通系統(tǒng)得到精準(zhǔn)的數(shù)據(jù)來(lái)進(jìn)行處理。所以智能交通系統(tǒng)（ ITS）是當(dāng)今世界道路交通的發(fā)展趨勢(shì) ]1[ 。最后利用背景差法實(shí)現(xiàn)了車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)，為了減小環(huán)境因素的干擾，對(duì)陰影消除進(jìn)行了探討。 而 檢測(cè)系統(tǒng)是 ITS中 的 關(guān)鍵組成部分 ，負(fù)責(zé) 對(duì)道路交通流量 進(jìn)行智能化采集 ，通過(guò) 檢測(cè)交通道路上 車(chē)輛排隊(duì) 的 長(zhǎng)度可以 使 交通運(yùn)輸 變得更加合理 ， 可以有效地 減少車(chē)輛的 停車(chē)次數(shù) 和 速度變化頻率 ， 更加有效的利用交通道路 ，減少堵車(chē)的發(fā)生 ， 有利于推動(dòng) 經(jīng)濟(jì)的快速發(fā)展 。 本文主要研究了車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的相關(guān)算法。 [主題詞 ] 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè) ； 車(chē)輛檢測(cè) ； 背景建模；陰影消除 四川大學(xué)本科畢業(yè)論文 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)技術(shù)研究 Research on detection technology of vehice queue length Software Engineering Student： Zhang Peng Adviser: Luo Yining [Abstract] Intelligent transportation system is an effective way to solve the problems of traffic jam, environmental pollution in modern city. The intelligent transportation system bines with electronic sensor technology,image processing, data munication technology, electronic controltechnology, information processing technology and so on. Its purpose is to set up a directing ground traffic system, fulfilling the exact, valid system in modern society. The identification of the license plate and th