【正文】 基于視頻的交通流量統(tǒng)計(jì)是利用視頻監(jiān)視等手段，對(duì)視頻中的車輛目標(biāo)進(jìn)行檢測(cè)分割和跟蹤來(lái)實(shí)現(xiàn)對(duì)車輛流量的統(tǒng)計(jì)分 析。由于 Kalman 濾波不要求保存過去的測(cè)量數(shù)據(jù)，當(dāng)新數(shù)據(jù)測(cè)得以后，根據(jù)新的數(shù)據(jù)和前一時(shí)刻諸量的估計(jì)值，借助系統(tǒng)本身的狀態(tài)轉(zhuǎn)移方程 (即動(dòng)態(tài)方程 )，按照一套 遞推公式，即可算出新的諸量的估計(jì)值，這樣大大減少了濾波裝置的存儲(chǔ)量和計(jì)算量，同時(shí)適用于信號(hào)為非平穩(wěn)的，動(dòng)態(tài)系統(tǒng)也可以是時(shí)變的。 模型法的優(yōu)點(diǎn)是在確定車輛類別和幾何模型細(xì)節(jié)時(shí)具有較高的精度。此外，美國(guó)加州大學(xué)的 David Beymer， Jitendra Malik 等則引入了車輛的高度信息來(lái)提高跟蹤能力。但是，算法在車輛彼此太近時(shí)，一般無(wú)法正確提取到足以識(shí)別車輛的特征，而 且特征提取的選取和數(shù)臥 281 直接影響著算法的優(yōu)劣。如通過計(jì)算二維運(yùn)動(dòng)區(qū)域的中心位置、運(yùn)動(dòng)方向，然后在二維運(yùn) 動(dòng)的區(qū)域中計(jì)算與三維模型中線段的對(duì)應(yīng)關(guān)系，由此來(lái)判別運(yùn)動(dòng)區(qū)域是否與目標(biāo)模型相匹配。 2． 3． 2． 2 模型法 上面講到的非模型的處理方法只是將處理得到的待檢測(cè)圖像中的運(yùn)動(dòng)塊看作是一組像素的集合，缺點(diǎn)在于有可能把誤分割形成的像素集合也檢測(cè)為車輛目標(biāo)。以車輛輪廓為跟蹤對(duì)象的方法有很多，雖然輪廓可以通過簡(jiǎn)單的邊緣檢測(cè)的方法得到，但這些簡(jiǎn)單的方法往往同時(shí)檢測(cè)出背景中的一些干擾邊緣。這種方法在車輛稀少時(shí)效果比較好。這種車輛檢測(cè)方法的核心思想是通過時(shí)域的運(yùn)動(dòng)估計(jì)跟蹤圖像序列中的運(yùn)動(dòng)物體來(lái)提高分割的準(zhǔn)確性，將車輛跟蹤過程和圖像分割過程結(jié)合起來(lái)，進(jìn)而減少計(jì)算 復(fù)雜度，提高系統(tǒng)的實(shí)時(shí)處理能力。常用的預(yù)測(cè)方法有多項(xiàng)式預(yù)測(cè)法及卡爾曼濾波器法。理想的系統(tǒng)要求實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車輛的快速有效跟蹤，并且能處理跟目標(biāo)之間的重疊以及目標(biāo)的暫時(shí)消失等情況。 k 均值法是一種有效的分割方法，后續(xù)的改進(jìn)方法雖然克服了根據(jù)先驗(yàn)知識(shí)來(lái)預(yù)先對(duì)聚類個(gè)數(shù)進(jìn)行設(shè)定的缺陷，但在聚類過程中均會(huì)涉及到迭代運(yùn)算，這使其在實(shí)時(shí)性要求極高的交通檢測(cè)應(yīng)用中受到了一定的限 ,Or23l。為了解決這個(gè)問題， Badenas 提出了一種多段 (Multi stage)分割方法，事先固定初始分割區(qū)域數(shù)目 (6～ 10 個(gè) )，然后根據(jù)初始分割區(qū)域的大小、密度等信息再來(lái)決定是否對(duì)此區(qū)域進(jìn)行繼續(xù)劃分。 K均值法就是將拍攝到的交通場(chǎng)景中的像素聚類為 k個(gè)表示不同物體的區(qū)域塊。 2)區(qū)域分割進(jìn)行車輛檢測(cè) 、 典型的區(qū)域分割方法有區(qū)域增長(zhǎng)法例如分水嶺算法和聚類方法等。實(shí)現(xiàn)方法是尋找在參數(shù)空間有參數(shù)累加器形成的峰值。它利用點(diǎn)線對(duì)偶性原理進(jìn)行坐標(biāo)變換，把直角坐標(biāo)系下的直線檢測(cè)問題轉(zhuǎn)換到參數(shù)空間中，通過在參數(shù)空間中進(jìn)行簡(jiǎn)單的點(diǎn)分布累加統(tǒng)計(jì)完成直線檢測(cè)。而實(shí)際上，結(jié)果像素由于噪聲，不均勻照明等引起的邊緣斷裂和雜散的亮度不連續(xù)而難以得到完全的邊緣特性。目前，常用的邊緣檢測(cè)方法有多種，如梯度算子、 Laplacian 算子、 canny算子等。基于車輛邊緣的 邊緣檢測(cè)法通常效率較高，而且可以檢測(cè)出靜止車輛。此外，在準(zhǔn)確分割時(shí)，光流法還需要利用顏色、灰度、邊緣等空域特征來(lái)提高分割精度，而且由于光流法采用迭代的方法來(lái)對(duì)運(yùn)動(dòng)車輛進(jìn)行分割，因此時(shí)間復(fù)雜度較高，如果沒有特殊的硬件支 持，很難應(yīng)用于視頻序列的實(shí)時(shí)檢測(cè)。場(chǎng)景中目標(biāo)運(yùn)動(dòng)導(dǎo)致圖像中亮度模式運(yùn)動(dòng)，而亮度模式的可見運(yùn)動(dòng)產(chǎn)生光流。通過把具有同樣映射參數(shù)的流量矢量分配為同一類的方法，完成光流分割。 2． 2． 2． 2 光流場(chǎng)法 光流場(chǎng)法的基本思想是，在空間中，運(yùn)動(dòng)可以用運(yùn)動(dòng)場(chǎng)描述，而在一個(gè)圖像平面上，物體的運(yùn)動(dòng)往往是通過圖像序列中不同圖像灰度分布的不同來(lái)體現(xiàn)的，因此，將空 間中的運(yùn)動(dòng)場(chǎng)投影到圖像上就表示為光流場(chǎng) (Optical Flow Field)。在背景更新前，先逐像素判斷相鄰兩幅圖像的差值，如果小于一個(gè)閾值，則說明在這個(gè)像素位置沒有檢測(cè)到車輛，可進(jìn)行背景更新操作。 K越趨向 1，新背景就越接近于上一幅背景。 背景更新的方法有很多，可以通過對(duì)視頻序列圖像進(jìn)行平均，或者統(tǒng)計(jì)序列圖像像素點(diǎn)上出現(xiàn)頻率最大的灰度值等多種方法來(lái)得到。 背景圖像可由人工拍攝一幅沒有車輛目標(biāo)的純圖像來(lái)得到，但隨著研 究的深入，人們意識(shí)到單純的選取一幅質(zhì)量好的背景圖像作為參考，具有很大的局限性。關(guān)于全局閾值的選取，典型的有直方圖閾值法以 及基于灰度平均值的二值化方法等。若車輛運(yùn)動(dòng)的背景相對(duì)單一，如單純的路面或是有靜止?？寇囕v的街道等，則使用全局閾值；反之，若序列圖像還包括除路面及車輛以外的信息，如風(fēng)中的樹木、活動(dòng)的背景車輛及行人等，則需要計(jì)算車輛序列圖像的局部閾值作為車輛檢測(cè)的閾值。因此除了設(shè)定合適的閾值用來(lái)對(duì)運(yùn)動(dòng)目標(biāo)確認(rèn)外，交通背景參考圖像的選取也是背景差分法能否取得良好效果 的關(guān)鍵，下面分別說明。如果運(yùn)動(dòng)速度較快，而選取的時(shí)間間隔過大，就會(huì)造成兩兩幀之間無(wú)覆蓋區(qū)域，從而無(wú)法檢測(cè)到運(yùn)動(dòng)物體；而如果運(yùn)動(dòng)速度過慢，而選取的時(shí)間過小，則造成過度覆蓋，最壞的情況是物體幾乎完全重疊。這一方法可以消除隨機(jī)噪聲帶來(lái)的影響，剔除掉沒有發(fā)生像素移動(dòng)的地方也會(huì)出現(xiàn)圖像相減差別不為零的情況。首先是計(jì)算的差分圖像經(jīng)常會(huì)含有許多噪聲；其次，當(dāng)運(yùn)動(dòng)的車輛目標(biāo)簡(jiǎn)單時(shí)，兩幀間物體重疊部分會(huì)檢測(cè)不出來(lái)，即只檢測(cè)出物體的一部分，致使車輛目標(biāo)容易出現(xiàn)斷裂和破碎，給后續(xù)的識(shí)別帶來(lái)很大困難；另外，檢測(cè)出物體在兩幀中的位置不夠準(zhǔn)確，當(dāng)運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)速度很大時(shí)，容易產(chǎn)生虛影，即檢測(cè)到的運(yùn)動(dòng)目標(biāo)比實(shí)際目標(biāo)要大，甚至?xí)霈F(xiàn)一個(gè)目標(biāo)變成兩個(gè)目標(biāo)的情況。當(dāng)圖像幀之間的間隔較短時(shí)，可以認(rèn)為車輛的各部分在圖像平面上的灰度基本保持不變。檢測(cè)線上灰度變化的檢測(cè)方法通常有以下兩種：幀差法和背景差法。 這種方法的優(yōu)點(diǎn)是算法非常直觀簡(jiǎn)單、程序運(yùn)行速度快，但缺點(diǎn)也很明顯。 1)基于視頻序列彩色圖像顏色比對(duì)的檢測(cè)線法 這是一種低級(jí)層次的車輛目標(biāo)檢測(cè)方法。這類方法有檢測(cè) 線法，計(jì)算運(yùn)動(dòng)矢量的光流場(chǎng)法等。下面對(duì)各算法原理進(jìn)行分類介紹?；诠饬鲌?chǎng)法的運(yùn)動(dòng)目標(biāo)檢測(cè)由于噪聲、多光源、陰影、透明性和遮擋性等原因，使得計(jì)算出的光流場(chǎng)分布不是十分可靠和精確，且光流場(chǎng)的計(jì)算實(shí)時(shí)性和實(shí)用性較差。 2)車輛的外觀不但取決于車輛的角度，同時(shí)又受到鄰近物體的影響，例如車輛之間的遮擋關(guān)系、光照條件的改變等外界因素，往往也會(huì)對(duì)車輛的外觀帶來(lái)較大影響，而且這種情況又是隨機(jī)出現(xiàn)的。這一階段往往根據(jù)視頻序 列的時(shí)間特性來(lái)分割運(yùn)動(dòng)目標(biāo)，它需要先提取每幀圖像中的運(yùn)動(dòng)信息，然后利用運(yùn)動(dòng)信息的均一性來(lái)劃分區(qū)域和估圖像的運(yùn)動(dòng)場(chǎng)，并將具有相似運(yùn)動(dòng)的區(qū)域聚類，以獲得場(chǎng)景中的運(yùn)動(dòng)區(qū)域。 2． 2 車輛檢測(cè)技術(shù) 車輛檢測(cè)模塊，主要 是對(duì)交通場(chǎng)景的視頻序列中的車輛進(jìn)行分割，將有可能是車輛的區(qū)域從復(fù)雜的交通場(chǎng)景中提取出來(lái)，以便進(jìn)行車輛的跟蹤計(jì)算。 其中，在提供的各種功能中，車輛的實(shí)時(shí)檢測(cè)、識(shí)別與跟蹤是最基礎(chǔ)的部分， 其它的功能都是建立在車輛檢測(cè)、識(shí)別與跟蹤的正確結(jié)果基礎(chǔ)上的。 第 4 章在 的基礎(chǔ)上實(shí)現(xiàn)了本文的算法 ,系統(tǒng)主要包括視頻播放模塊、背景構(gòu)建模塊、后處理模塊和車輛計(jì)數(shù)模塊。 本文各個(gè)章節(jié)安排如下 : 第 1 章是緒論 ,主要介紹了基于視頻的車流量檢測(cè)技術(shù)的國(guó)內(nèi)外發(fā)展現(xiàn)狀 ,闡述了研究車流量統(tǒng)計(jì)的必要性。視頻播放模塊主要完成視頻的播放和顯示 。同時(shí) ,本文對(duì)上述算法進(jìn)行了實(shí)驗(yàn)對(duì)比分析。 （ 4）產(chǎn)業(yè)發(fā)展與就業(yè)機(jī)會(huì)的增加 ITS 涉及道路建設(shè)、交通管理、通信、計(jì)算機(jī)、電子、汽車、自動(dòng)控制、信息服務(wù)、網(wǎng)絡(luò)技術(shù)等眾多媒體技術(shù)應(yīng)用可能性最大的行業(yè)。 （ 2）減少交通事故的發(fā)生率、死亡率 根據(jù)美國(guó)的預(yù)測(cè)，到 2020 年，美國(guó)因交通事故造成的經(jīng)濟(jì)損失每年將超過 1500 億美元，而采用智能交通系統(tǒng)將會(huì)提前 對(duì)危險(xiǎn)的預(yù)知，從而大大增加交通的安全性，將事故損失降至最低。不管在發(fā)展中國(guó)家，還是發(fā)達(dá)國(guó)家，每年由于交通擁擠造成的經(jīng)濟(jì)損失 也十分巨大。電子收費(fèi)利用 車上的電子卡與路測(cè)的電子接收設(shè)備進(jìn)行通訊。 （ 5）緊急救援管理系統(tǒng) EMS EMS 即為當(dāng)緊急危難發(fā)生時(shí)，求援車輛如何求援、救援車輛如何在最短時(shí)間內(nèi)到達(dá)現(xiàn)場(chǎng)，以及如何警示其他駕駛員的系統(tǒng)。 （ 4）先進(jìn)的車輛控制及安全系統(tǒng) AVCSS AVCSS 結(jié)合 傳感器 、電腦、通訊、電機(jī)及控制技術(shù)應(yīng)用于車輛及道路實(shí)施上，幫助駕駛員提高行車安全性，增加道路容量，減少交通擁擠。 （ 1）先進(jìn)的交通管理系統(tǒng)（ ATMS） ATMS 利用監(jiān)測(cè)、通訊及控制等技術(shù)，將交通監(jiān)控系統(tǒng)監(jiān)測(cè)所得的交通狀況，經(jīng)由通訊網(wǎng)絡(luò)傳輸?shù)浇煌刂浦行模行脑诮Y(jié)合其他方面所獲得的信息，制定及評(píng)估交通控制策略，執(zhí)行整體性的交通管理，并將相關(guān)信息傳給出行者，以達(dá)到運(yùn)輸效率最大化及運(yùn)輸安全等目的。利用電子技術(shù)、計(jì)算機(jī)技術(shù)以及信息通訊技術(shù)，通過安裝在汽車上的電子標(biāo)識(shí)卡（存儲(chǔ)與車輛收費(fèi)有關(guān)的大量信息，如預(yù)繳金額、車型、車主）與安裝在收費(fèi)車道旁的讀寫收發(fā)器，通過微波或紅外線進(jìn)行快速的 數(shù)據(jù)交換，實(shí)現(xiàn)車輛的不停車收費(fèi)不僅可以解決收費(fèi)站的排隊(duì)問題，而且應(yīng)用它可以方便實(shí)現(xiàn)道路擁擠收費(fèi)，進(jìn)行交通需求管理；可以進(jìn)行交通監(jiān)視、事件檢測(cè)，實(shí)時(shí)的 OD 矩陣估計(jì)等。利用交通廣播電臺(tái)或交通尋呼臺(tái)實(shí)時(shí)發(fā)送交通信息。利用網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)車輛檔案、駕駛員檔案、交通事故及交通違章的綜合管理，并實(shí)現(xiàn)數(shù)據(jù)共享。目前，我國(guó)若 干研究機(jī)構(gòu)和一些企業(yè)集團(tuán)正在致力于適合中國(guó)混合交通特點(diǎn)的、具有一定自學(xué)習(xí)功能的、與交通誘導(dǎo)等其他子系統(tǒng)有相當(dāng)協(xié)調(diào)能力的信號(hào)控制系統(tǒng)的研究開發(fā)工作。因此在我國(guó)開展智能交通 與運(yùn)輸系統(tǒng)的開發(fā)和應(yīng)用，將對(duì)促進(jìn)國(guó)民經(jīng)濟(jì)和社會(huì)的快速發(fā)展，增強(qiáng)國(guó)際競(jìng)爭(zhēng)力有十分重要的作用。為中國(guó)推動(dòng)中國(guó) ITS 的發(fā)展， 20xx年 2月 29日，科技部會(huì)同國(guó)家計(jì)委、經(jīng)貿(mào)委、公安部、交通部、 鐵道部、建設(shè)部、信息產(chǎn)業(yè)部等部委相關(guān)部門，在充分協(xié)商和醞釀的基礎(chǔ)上，成立了發(fā)展中國(guó) ITS 的政府協(xié)調(diào)領(lǐng)導(dǎo)機(jī)構(gòu) ——全國(guó)智能交通系統(tǒng)（ ITS）協(xié)調(diào)指導(dǎo)小組及辦公室，并成立了 ITS 專家咨詢委員會(huì)。中國(guó)早在 20世紀(jì) 70年代末就開始在交通運(yùn)輸和管理中應(yīng)用電子信息及自動(dòng)控制技術(shù)，首先在北京、上海和廣州等大城市開始了交通 信號(hào)控制 的研究與開發(fā)，在全國(guó)主要的大城市使用了單點(diǎn)定周期 交通信號(hào) 控制器和線性協(xié)調(diào)交通信號(hào)控制系統(tǒng)； 1978年，北京市在前三門大街試驗(yàn)自行開發(fā)的 城市交通 控制系統(tǒng)： “七五 ”期間，我國(guó)在南京試驗(yàn)自行研制開發(fā)的自適應(yīng)交通控制系統(tǒng)；其后，我國(guó)又有廣州、天津、深圳、大連等近 20個(gè)城市建成了交通信號(hào)控制系統(tǒng)； 80年代初開始，我國(guó)陸續(xù)引進(jìn)了國(guó)外先進(jìn)的交通控制系統(tǒng)（如英國(guó)的 SCOOT 系統(tǒng)、澳大利亞的 SCATS 系統(tǒng)等）。 1997年，一套尖端的 TCS 系統(tǒng)在青馬地區(qū)建成，除了遵循標(biāo)準(zhǔn)的 TCS 以外，該系統(tǒng)還廣泛采用了可變的信息顯示和標(biāo)識(shí)，以提高效率和安全。Communication System）。在日本， 1973年 ，以通產(chǎn)省為主開發(fā)的 “汽車綜合（交通）控制系統(tǒng) ”（ CACS:Comprehensive Automobile(traffic)Control System）被認(rèn)為是日本最早的 ITS 項(xiàng) 目，當(dāng)時(shí)在世界上處于領(lǐng)先地位；從 1984年開始，建設(shè)省主持開發(fā)了 “路車間通信系統(tǒng) ”（ RACS:Road/Automobile Communication System） 。 1986年，以奔馳為主的歐洲 11家汽車公司進(jìn)行了民間主導(dǎo)的 PROMETHEUS（ Programme for European Traffic with Highest Efficiency and Unprecedented Safety）研究計(jì)劃，確定了四個(gè)基礎(chǔ)研究領(lǐng)域和三個(gè)應(yīng)用研究領(lǐng)域。 1994年 IVHS 更名為 ITS America(Intelligent Transportation Society of America)。 智能交通系統(tǒng)的發(fā)展 早在 20世紀(jì) 60年代，美國(guó)就開始進(jìn)行智能交通系統(tǒng)的先驅(qū)性研究，即電子路徑誘導(dǎo)系統(tǒng)研究（ Electronic Route Guidance System,ERGS）。當(dāng)然， ITS 并不意味著交通系統(tǒng)完全智能化。其實(shí)質(zhì)就是采用現(xiàn)代 高新技術(shù)對(duì)傳統(tǒng)的交通運(yùn)輸系統(tǒng)進(jìn)行改造而形成一種新型現(xiàn)代交通系統(tǒng)。但單純依靠修建道路與交通設(shè)施和采用傳統(tǒng)的管理方式來(lái)解決交通問題，不僅成本昂貴、環(huán)境污染嚴(yán)重，而且其緩解交通擁堵、提高交通運(yùn)輸效果也非常有限。 涉密論文按學(xué)校規(guī)定處理。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。 background extraction 。 GMM background update module is to achieve the background of this extraction algorithm 。視頻播放模塊主要完成視頻的播放和顯示； GMM 背景更新模塊主要是實(shí)現(xiàn)本文的背景提取算法；前景構(gòu)建模塊的主要功能是通過陰影 去除和形態(tài)學(xué)操作得到較好的前景圖像；車輛計(jì)數(shù)模塊的主要功能是完成本文的車流量統(tǒng)計(jì)算法。同時(shí) ,本文對(duì)上述算法進(jìn)行了實(shí)驗(yàn)對(duì)比分析。