【正文】 復(fù)旦大學(xué)博士論文 ， 2020 [6] 劉忻梅 ， 許有俊 ， 牛紅喜 ， 城市快速路出口仿真模型數(shù)據(jù)采集與標(biāo)定方法的研究 ， 內(nèi)蒙古科技大學(xué)學(xué)報(bào) 。中國體視學(xué)與圖像分析 ， 2020， 03 [4] 戢曉峰 ， 基于交 通信息提取的區(qū)域路網(wǎng)擁擠管理方法 。 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 26 參考文獻(xiàn) [1] 賀曉鋒 ， 楊玉珍 ， 陳陽舟 ， 基于視頻圖像處理的車輛排隊(duì)長度檢測(cè) ， 交通與計(jì)算機(jī) ， 2020， 05 [2] 袁月明 ， 關(guān)偉 ， 吳建平 ， 基于視頻檢測(cè)技術(shù)的城市快速路交通狀態(tài)分析研究 ， 交通與計(jì)算機(jī) ， 2020，04 [3] 王偉智 ， 劉秉瀚 。尋找到新的算法后設(shè)計(jì)實(shí)驗(yàn)來分析新舊算法的優(yōu)劣性，從而得出更詳細(xì)的結(jié)論來改良舊的算法。所以做事情貴在持之以恒。 第二，做一件事情要有耐心，堅(jiān)持就是勝利。在以前的學(xué)習(xí)過程中參與一些項(xiàng)目時(shí)，雖然也有制定計(jì)劃，但是經(jīng)常不按照計(jì)劃來做項(xiàng)目，導(dǎo)致項(xiàng) 目進(jìn)度不穩(wěn)定，項(xiàng)目工作也時(shí)而非常輕松時(shí)而過于繁重。其中大部分算法都得到了實(shí)現(xiàn)，但是車輛排隊(duì)長度檢測(cè)并不完善，需要改善。陰影消除技術(shù)主要研究了在 RGB 空間下的陰影消除。其中圖像 預(yù)處理技術(shù)主要分析了圖像灰度化，圖像二值化以及圖像濾波。但 因?yàn)?應(yīng)用于道路監(jiān)控的視頻檢測(cè)技術(shù)在國內(nèi)外起步都 比 較晚， 很多 技術(shù)理論并不完善，而且實(shí)際的道路檢測(cè)環(huán)境各式各樣，錯(cuò)綜復(fù)雜，因此這方面的理論研究還有巨大的潛力 以待 挖掘。在我國，近年 來不但有許多 ITS 的研究成果發(fā)表，而且不停車電子收費(fèi)、車輛自動(dòng)識(shí)別等 ITS 技術(shù)的應(yīng)用也在蓬勃 發(fā)展 ，可以說我國 對(duì) 智能交通系統(tǒng) 的需求也是越來越迫切 。它的目的是使路、車、人密切配合，和諧的統(tǒng)一起來，從而 減少車輛的 停車次數(shù) 和 速度變化頻率 ， 更加有效的利用交通道路 ， 減少堵車的發(fā)生 ， 有利于推動(dòng)經(jīng)濟(jì)的快速發(fā)展。 本章小結(jié) 本章主要介紹了視頻車輛檢測(cè)相關(guān)技術(shù) 在國內(nèi)外的研究狀況，國內(nèi)外學(xué)者在這個(gè)領(lǐng)域的工作都非常多，也都很有成效。 綜上所述 ,在一些 視頻車輛檢測(cè)中的 所面臨的 難點(diǎn) 問題， 國內(nèi)學(xué)者也 相應(yīng)地 提出了一些 不錯(cuò) 的解決 方案。張玲等 針對(duì) 這個(gè) 問題提出了一種改進(jìn)的幀差法 ,先 檢測(cè) 車道內(nèi)的 車輛信息生成信息 流 ,然后 根據(jù) 信息 流的變化 對(duì)車輛車速以及數(shù)量進(jìn)行檢測(cè)。 由于傳統(tǒng) 的幀差法是 根據(jù) 車道 設(shè)置 固定窗口 來 進(jìn)行運(yùn)動(dòng)車輛檢測(cè) 的。 國內(nèi)學(xué)者提出了先使 用背景差法 對(duì) 運(yùn)動(dòng)對(duì)象 進(jìn)行 分割 ，再利用 邊緣檢測(cè) 法使 檢測(cè)的準(zhǔn)確性 得到提高，按照 一定規(guī)則對(duì)提取 得到 的 目標(biāo) 區(qū)域進(jìn)行 處理從而有效地 檢測(cè)車輛 。 因?yàn)橐曨l 車輛檢測(cè)中常用 方法主要是 邊緣檢測(cè)法 、 背景差法 、 幀差法等 幾種 ,但是在使用這些方法解決實(shí)際 問題 時(shí)，經(jīng)常會(huì)碰到一些麻煩，所以 國內(nèi) 科研人員 提出了一些 改良后 新 的 方法 。這種方法使用 事先選好 的車輛和背景 來對(duì) 樣本集 進(jìn)行訓(xùn)練 ,對(duì) 樣本 利用 小波變換進(jìn)行特征提取 ，再用 主成分分析 將 檢測(cè)圖像 在 進(jìn)行分類 ，從而確定 某區(qū)域內(nèi)是否 有 車輛 存在。 伴隨 著智能技術(shù)的 快速發(fā)展，在最新的一些 車輛 視頻 檢測(cè) 技術(shù)中采用了 小波分析 、模糊理論、人工神經(jīng)網(wǎng) 和 遺傳算法等智能技術(shù)，而且獲得了很好的效果。川大智勝軟件有限公司的 地面智能交通管理系統(tǒng) 在交通 監(jiān)管 方面取得了良好的效果 ,它是在 圖像處理 和人工智能 的 基礎(chǔ)上通過實(shí)時(shí)地分析 視頻 中的交通流情況 ,并提 取交通狀況的主要信息 ， 包四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 23 括最 高 速度 ， 最 低 速度 ，平均速度 和車流 量 等 。 國內(nèi)研究狀況 隨著 智能交通系統(tǒng) 的發(fā)展 ,用于車輛檢測(cè)的各種新技術(shù)也 不斷被研發(fā)出來。 (TULIP)系統(tǒng) 就采用了這種方法 ,車輛 數(shù)量的 檢測(cè)誤差為 5%左右。 NEWCAST 大學(xué)的 Bell MGH， Rourte A ]15[ 提出了用多窗 口 技術(shù)來 對(duì) 二值圖像中的車輛 進(jìn)行檢測(cè)。 明尼蘇達(dá)州立大學(xué) 自主研發(fā) 的 Autoscope 系統(tǒng)中 采用了這種方法 ,這個(gè) 系統(tǒng) 利用 圖像處理技術(shù)來 對(duì) 車輛 進(jìn)行 檢測(cè) ,從而獲得是否有 車輛 通過和車輛的速度 等 的實(shí)時(shí)交通信息。 ]12[ 等 人員 提出 了 線段 圖像 幀差法來 進(jìn)行車輛檢測(cè)：順著 道路方向以某一固定的 間隔設(shè)置 30 條 線段 ,采用 對(duì)每一條線上標(biāo)示車輛是否出現(xiàn)來 的方法來對(duì)車輛進(jìn)行計(jì)數(shù) ,通過 在多幀圖像上檢測(cè)所在 30 條線段的狀態(tài) ,可以 實(shí)現(xiàn) 跟蹤車輛移動(dòng)情況 的目的 ,這個(gè) 方法 應(yīng)用 在 加州 技術(shù)學(xué)院實(shí)驗(yàn)室開發(fā)的大面積檢測(cè)系統(tǒng) (WADS)中 ,車輛 數(shù)統(tǒng)計(jì) 的誤差僅為 5%一 10%,在 良好天氣 條件下 ,速度檢測(cè) 的 精度 可以達(dá)到 雷達(dá)檢測(cè)的 98%。 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì) 長度檢測(cè)技術(shù)研究 22 5. 相關(guān)工作 國外研究狀況 國外 科研人員 做了大量 的關(guān)于智能交通 系統(tǒng) 的 研究 ,其中包括 車輛牌照識(shí)別、車輛速度檢測(cè)和車輛跟蹤 等 ,從交通視頻中獲取這些交通信息涉及到了計(jì)算機(jī)處理技術(shù)、電子控制技術(shù)、數(shù)據(jù)通信傳輸 等領(lǐng)域 。 圖 415標(biāo)記了車隊(duì)首尾的圖片 通過分析圖 41圖 41圖 414可知，通過背景差法提取出了車輛目標(biāo)，但是圖像包含一些干擾因素，通過檢測(cè)圖 414 獲得車隊(duì)首尾坐標(biāo)，然后在原圖像中顯示出來如圖 415。 圖 413 待檢測(cè)圖片 圖 414顯示了背景差法處理后得到的圖片。 車輛排隊(duì)檢測(cè) 實(shí)驗(yàn)結(jié)果和分析 圖 412顯示了背景圖。 圖 410 未消除的圖像 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì) 長度檢測(cè)技術(shù)研究 20 圖 411顯示了消除陰影的圖像。 陰影消除 實(shí)驗(yàn)結(jié)果和分析 圖 49顯示了其中一幀有陰影的圖像：。 幀差法建模 實(shí)驗(yàn) 結(jié)果及分析 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 19 圖 48顯示了第 500 幀時(shí)基 于幀差法建立的背景。 圖 45 第 1幀 圖片 圖 46 第 17幀圖片 圖 47顯示了第 500 幀時(shí)中值法建立的背景。 圖 44 二值化后的圖像 通過圖 4圖 44的對(duì)比，可以發(fā)現(xiàn)經(jīng)過二值化處理成功將原圖處理為信息量更加少，輪廓更加明顯，處理起來更加容易的圖像。 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 17 圖像二值化 實(shí)驗(yàn) 結(jié)果及分析 圖 43顯示了未處理前的圖像。 圖 41 原圖 圖 42顯示了灰度化處理后的圖像。四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 16 4. 實(shí)驗(yàn)結(jié)果及分析 本章將對(duì)前面第三章提出的一些算法進(jìn)行測(cè)試，然后再根據(jù)實(shí)驗(yàn)結(jié)果來分析算法的是否成功實(shí)現(xiàn)了相應(yīng)的目的。 綜上所述，本文進(jìn)行車輛排隊(duì)長度檢測(cè)流程如圖 32 所示。 (2)由于背景差法得到的圖像可能會(huì)受到其它因素的干擾，使得圖像中存在一些 jiV, =1但卻不是車輛區(qū)域的像素。 利用背景差法成功提取出車輛目標(biāo)后，需要進(jìn)行車輛存在檢測(cè)確定車輛排隊(duì)長度起始位置。計(jì)算 || , jijiji DEF ?? （ ） 公式 中 jiE, 表示的是當(dāng)前待處理圖像， jiD, 表示的是背景圖像， jiF, 表示的是通過減運(yùn)算得到的差值圖像，則車輛檢測(cè)可以表示為： 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 15 （ ） 其中 jiV, = 1表示對(duì)應(yīng)像素是車輛區(qū)域，而 jiV, = 0時(shí)表示該區(qū)域是背景區(qū)域。 因?yàn)楣饬鞣ê蛶罘o法對(duì)排隊(duì)的車輛長度進(jìn)行有效檢測(cè)，本文使用背景差法來進(jìn)行。 車輛排隊(duì)長度檢測(cè)算法研究 在智能交通系統(tǒng)中，通過處理交通道路上攝像頭獲得的交通道路視頻 可以為交通管理部門提供很多重要的交通信息，如某一路段車輛堵塞嚴(yán)重以及車輛行駛速度超出道路限速等。 再 結(jié)合 未處理前 的二值化圖像將之前 處理 得到的明亮部 分的車輛圖像和后來得到的車輛暗影部分進(jìn)行或操作，得到濾除陰影后的完整圖像。 但是就 藍(lán)色通道來 而已 ，雖然藍(lán)色通道的值也 會(huì)發(fā)生衰減 ，但是 衰減 的不 顯著 ， 因此 在 消除陰影時(shí) ， 應(yīng)該 考慮圖像的 R、 G 通道來 進(jìn)行 判斷， 所以 算法 要 采用檢測(cè) R、 G通道 來 對(duì)陰影進(jìn)行 消除 。下面 主要 介紹在 RGB 空間實(shí)現(xiàn)的陰影消除算法。但是 基于 實(shí)際的實(shí)時(shí)車輛檢測(cè) 的角度來看 ，這種算法存在 一些 缺陷： 第一 ， 無 論是 采用 FNCC 算法還是 NCC 算法，算 法復(fù)雜度都 會(huì) 很 高， 而 在正常的采集速率下的處理速度能給予陰影檢測(cè)的處理時(shí)間 一般不太長 ； 第二 ，這種算法 有 一個(gè)閾值的選取 問題 ，一般 情況下 ncL 的值是接近于 1 的，一般 會(huì) 取 ～ ， 其中 細(xì)小的偏差都 有 可能造成陰影檢測(cè) 的 誤判 ]11[ 。如果其中某一點(diǎn)滿足： （ ） 其中 ncL 表示 一個(gè)確定的閾值，則認(rèn)為該像素點(diǎn)是陰影點(diǎn)。 陰影消除算法 對(duì)于固定的場(chǎng)景來說， 在 背景確定的情況下，圖 像某個(gè)位置是 陰影與 是 背景 的灰度值是成線性關(guān)系的， 所以在 基于灰度空間的陰影檢測(cè)環(huán)境下，有 的 學(xué)者提出可以采用歸一化互相關(guān)函數(shù)來分析陰影， 從而實(shí)現(xiàn) 消除陰影的目的。在陰影區(qū)域 中 ， 與 背景圖像相比，前景圖像 中 的陰影部分只 有 背景亮度減弱，顏色變化 比較 小 ， RGB會(huì) 成比例 地 衰減。在不同色彩空間內(nèi)， 車輛 和 背景 與 陰影 具有不同的特性，可以根據(jù) 其中 差異較大的特性來區(qū)分 出 陰影 和 車輛 ?；谔卣鞯?檢測(cè) 方法是通過采用圖像的顏色、色調(diào)、 灰 度或 亮 度等信息來進(jìn)行判斷 ，而 基于模型的方法是通過建立陰影統(tǒng)計(jì)模型來判斷圖像內(nèi) 的 像素點(diǎn)是否 是 陰影區(qū)域。自身陰影是指由于物體本身的遮擋而讓光線照射不到它的某些面而形成的陰影 ，而 投射陰影是指由于物體遮擋光線而使場(chǎng)景中的一些區(qū)域受不到光源照射而形成的陰影 ]9[ 。 車輛陰影特性 因?yàn)楣饩€是沿著直線傳播的，當(dāng)物體遮擋住了日光等光線的傳播時(shí)就會(huì)產(chǎn)生陰影 。陰影的存在對(duì) 車輛 檢測(cè) 的 影響很大，首先， 干擾 最大的是可能使多個(gè) 車輛 目標(biāo)相互粘連，誤判為一個(gè)整體目標(biāo)；其次，陰影還 可能 把另一個(gè)目標(biāo)覆蓋，造成其它 車輛 目標(biāo)的丟失。 因?yàn)?目標(biāo) 車輛的陰影和車輛本身 的 有很多 相似 之處 ， 所以在進(jìn)行車輛檢測(cè)時(shí) 陰影 經(jīng)常 被 認(rèn)為是車輛 的一部分。 陰影消除算法研究 存在光 照的地方 就 會(huì)存在陰影，在 進(jìn)行車輛 檢測(cè)的過程中，陰影問題 也是 需要考慮 的 。 幀差法建立背景主要包括以下幾個(gè)步驟： （ 1） 將第一幀圖像選為背景圖像； （ 2） 在二值化中選取合適的二值化閾值進(jìn)行二值化運(yùn)算； （ 3） 背景逐漸更新 （ ） 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì) 長度檢測(cè)技術(shù)研究 12 ),( yxBk 表示背景在該點(diǎn)的灰度值， ),( yxRk 表示前景圖像在該點(diǎn)的灰度值， ? 為更新速率。 四川大學(xué)本科畢業(yè)論文 車輛排隊(duì)長度檢測(cè)技術(shù)研究 11 圖 31 基于幀差法的背景建模流程圖 使用幀差法來 建立背景的 主要內(nèi)容是利用相鄰 的兩幀圖像 來 進(jìn)行差運(yùn)算 從而 得到差值圖像， 然后設(shè)定一個(gè)閾值 T，如果 差值圖像的 某 個(gè)點(diǎn)像素值大于閾值 T，