【正文】 則判定 背景點上 該 區(qū) 域 有車輛經(jīng)過 ， 此時 背景圖像上點對應位置不變； 反之 如果 某 個點像素值小于閾值T，則認為此時沒有運動目標 經(jīng)過該點 ，將當前幀上的像素值作為背景圖像上的像素值。 混合高斯模型可以很好的建立背景，但同時也 有 一些缺陷， K 的取值將很大程度上決定背景建模的好壞，算法 的 復雜度 也 隨著 K的增加而急劇增大，運算量的增加將使系統(tǒng)不能很好的滿足實時性的要求 ；但是 K值如果縮小，建立出來的背景又不夠準確，相對單高斯背景建模的優(yōu)勢體現(xiàn)不出，因此 K值 大小的選取 至關(guān)重要。還有些 背景建立 利用 三個高斯分布加權(quán)和 來進行 ， 這 三個分布 由 背景、前景 和 陰影 構(gòu)成 。很多科研人員在混合高斯模型的基礎上提出了自己的 新算法，比如采用改進的多高斯分布模型來建立背景。然而，在一些其它 的復雜 應用場景當中，如空中的飛機、搖擺的氣球、穿梭的行人等，像素點的值不能夠用單模態(tài)來完全表示，應用多模態(tài)模型來建立背景 。單模態(tài)模型是 使用高等 數(shù)學中的單分布來 對 背景圖像 進行描述 ， 而 多模態(tài)模型 則 是 使用 多個分布來 對圖像進行描述 。 高斯背景模型 四川大學本科畢業(yè)論文 車輛排隊 長度檢測技術(shù)研究 10 高斯 背景模型方法是目標檢測的一種 常用 方法。當車輛不運動的時候，中值背景法會將車身做為背景圖像的一部分，這樣的背景模型是不準確的，后續(xù)的檢測算法無法檢測出運動目標。 中值法計算公式為： （ ） 公式 中 ),( yxBk 表示 背景模型中像素點 ),( yx 在 k 時刻 的灰度值， ki 表示 圖像的 三維數(shù)組。 中值背景模型 中值背景建模思想是：在連續(xù)圖像中，圖像中每個點都會有一 個 像素序列值，在這個序列中對這些像素點值進行排序，最終選擇中間的值 來 作為背景像素點。場景當中的物體干擾包括： 運 動物的陰影影響、攝像頭在風中抖動或在大貨車路過時形成的共振，還有背景中有 物體 的 突 然閃過等。 背景建模算法研究 在 檢測系統(tǒng)的實際應用 當中， 不會 有靜止不變的背景。因為高頻分量在圖像中對應區(qū)域的邊緣灰度值會有比較大的變化，使用這種濾波能夠?qū)⑦@些分量從圖像中濾除，從而使圖像 變得更加 平滑。它也是一種領域運算，和卷積類似，但是計算的不是加權(quán)求和，是 將 數(shù)字圖像或者數(shù)字序列中的 一點的值用該點的一個鄰域中各點值的中值 來 代替，讓 與 周圍像素灰度值的差比較大的像素取與周圍的像素值接近的值，從而可以消除孤立的噪聲點。 常用的一種加權(quán)平均濾波法是利用選取模板的中心和系數(shù)的距離的倒數(shù)來設定模板內(nèi)部的值，常用的模板有 ， ；還有一種方法則是利用高斯模板來確定系數(shù)權(quán)值，模板為 ，加權(quán)平均法也被稱為歸一化卷積，表示兩幅圖像之間的卷積，一幅是需要處理的圖像，另一幅是有加權(quán)值的圖像。 （ 2） 加權(quán)平均濾波法：加權(quán)平均濾波法是對平均濾波方法的改進，這種方法人為對于同一尺寸的模板，可以對不同位置的像素值采用不同的數(shù)值，離像素中心點近的系數(shù)應該較大，遠離中心像素的位置系數(shù)應該小 一些。模板尺寸越大，噪聲 會 消弱得越明顯，但同時圖像的對比度也會下降 更多 。 領域平均法的模板是： ，中間的點表示該像素 是 中心元素。 （ 1） 均值濾波法：均值濾波主要使用鄰域平均法來進行濾波處理。 圖像濾波 圖像濾波是在盡可能保留圖像的特征細節(jié)的基礎上對圖像進行抑制噪聲的處理，也就是消除非相關(guān)數(shù)據(jù)保留有用的數(shù)據(jù)。局部閾值二值化的缺點是在某些窗口不能很好的保留表現(xiàn)圖像細節(jié)，而且窗口的大小 選擇也是一個難題。 () (2)局部閾值二值化： 這種算法是將圖像按照預先設定的方法將圖像分成許多個小窗口，而小窗口大小的選取需要依據(jù)實際圖像來進行。 (1)全局閾值二值化：先預先設定一個閾值 T，然后將待處理點和 T 進行比較，大于 T的為 1 否則為 0。把圖像進行二值化處理可以減小圖像的數(shù)據(jù)量，是下一步處理更加方便。 ),(),(),(),( jiBjiGjiRjif ??? () 基于圖像的合理性，本文采用了加權(quán)平均法灰度化處 理汽車原始圖像。利用這種方法得到的灰度圖比較符合人眼的視覺效果。 3/)),(),(),((),( jiBjiGjiRjif ??? （ ） （ 3） 加權(quán)平均法：這種方法根據(jù)顏色的明暗度和相關(guān)指標，以及人眼對不同色彩敏感程度的不一樣，人眼敏感度從高到低順序依次是綠、紅、藍。這種方法處理得到的灰度圖色彩比較柔和。表達式見公式 。 常用的圖像灰度化方法有三種： （ 1） 最大值法：比較圖像中某點的 R、 G、 B 的亮度值從而得出其中的最大值，將這個最大值作為這點在灰度圖中的灰度值?；叶葓D的在計算機中的表示方法是把亮度值分成 0255 共 256 個級別，其中 255 最亮（顯示時是純白），0 最暗（顯示時是黑），在 RGB 模型中讓 R=G=B，則顏色（ R,G,B）就表示為灰度色。 圖像灰度化 由于彩色圖像的信 息量非常龐大，大大增加了計算機的運算量，為了降低系統(tǒng)處理時間一般都會對圖像進行降維處理，把彩色圖像轉(zhuǎn)換為灰度圖，以達到減少運算量和存儲量以及提高處理速度的目的 ]7[ 。所以在使用圖像處理進行車輛檢測時，應該先使用一些算法來減弱噪聲的干擾，然后再進行邊緣檢測、圖像分割、特征提取等處理?？傮w而言，攝像機所拍攝得到的圖像一般都會是噪聲圖像。 本章小結(jié) 本章主要介紹了一些與視頻車輛排隊檢測相關(guān)的數(shù)字圖像處理基礎知識以及基于視頻的車輛檢測原理，為下文的算法研究做好背景鋪墊。 在這個 方法中，背景是需要實時 更新的，以 保證 準確性。它的檢測原理 則 是通過在圖像設置若干處感興趣區(qū)域（ ROI），通過檢測 這些 區(qū)域內(nèi)的圖像特 征 從而實現(xiàn) 判斷有無車輛通過的目的，區(qū)域檢測法通常有背景差法 、 幀差法以及綜合法等 幾種， 但 無論是哪種車輛檢測方法， 基本 的車輛檢測流程 都相似，如圖 21所示。窗口檢測法的原理是在圖像的 某個 特定區(qū)域設置一個較小的矩形檢測框， 利用 統(tǒng)計矩形 檢測 框內(nèi)圖像特征 的變化來 確定 是否有 車輛通過， 這種方法的 檢測區(qū)域 比線性檢測法的檢測區(qū)域 要大 一 些 ]6[ 。線性檢測法的 基本 原理是在圖像的 某個 固定位置設置一條檢測線，通過統(tǒng)計檢測線圖像特征 的 變化如色彩突變 、 灰度跳變來判斷 是否有 車輛通過 。 第一 ，由于 需要 對整幅圖像進行檢測， 則 必然導致處理的運算量 非常大 ， 占用系統(tǒng)資源 大，因而這種檢測法 在 車輛 檢測這種實時性要求高的系統(tǒng)中使用 時 必然 會 造成嚴重的延時；第 二 ， 對 整幅圖像 進行檢測 會 是目標 物體分割 地 不明顯， 而且采用此法 很難對靜止物體進行有效地檢測； 第三 ， 因為目標 場景中 會 包含 很多像花壇、 路邊建筑物、 紅綠燈 和樹木 等 會對檢測造成很大干擾的非目標物體 ， 在這種情況下采用這種檢測法進行檢測誤差會很大 。 車輛的大部分信息都可以檢測出來 ， 例如車輛的行駛路線等。其中宏觀檢測法 檢測的內(nèi)容更加詳細 ， 會對整張目標圖像進行檢測； 而微觀檢測法 則只檢測目標圖像中的部分內(nèi)容。 基于視頻的車輛檢測原理 從交通檢測系統(tǒng)開始出現(xiàn)到目前為止，從事這一領域研究的專家學者們研究出了大量卓有成效的車輛檢測系統(tǒng)。數(shù)字圖像處理包含的內(nèi)容也很多，但是原理和使用的基本方法是一樣的。行值從左往右從 0一直增大，列值從上到下逐漸增大 ]5[ 。像素的亮度用灰度值來表示，灰度值被劃分為 256 階，最亮為 255，最暗為 0。對圖像進行數(shù)字化的原因在于方便計算機運算和儲存。所謂“百聞不如一見”就是這個道理，在很多生活場景下，通過圖像傳遞的信息比其它方式都要更加真實和豐富。 四川大學本科畢業(yè)論文 車輛排隊 長度檢測技術(shù)研究 4 2. 背景知識介紹 圖像處理簡介 因為在人類的所有感覺中視覺占有非常重要的地位，所以人類對于生活中的大部分信息都是通過視覺來接受的。 論文組織與結(jié)構(gòu) 本文 組織結(jié)構(gòu)如下： 第一部分：緒論 ，對智能交通系統(tǒng)進行了一個整體概述，分析了智能交通系統(tǒng) 的必然性和重要性；然后介紹了本文的主要工作 ； 第二部分： 背景知識介紹， 主要介紹了一些與視頻車輛排隊檢測相關(guān)的數(shù)字圖像處理基礎知識以及基于視頻的車輛檢測原理； 第三部分： 車輛檢測算法研究，詳細介紹了 圖像預處理技術(shù)、 視頻場景背景 提取、視頻陰影消除技術(shù)以及 車輛排隊長度檢測 的算法 。當檢測到有車輛停在斑馬線旁邊的白色直線后面時，開始檢測車輛排隊長度。 論文主要工作 本課題的 主要研究對象是攝像頭所拍攝的運動車輛視頻場景。 （ 4） 視頻檢測系統(tǒng)是通過攝像頭來進行交通信息的采集，它對于交通道路幾乎沒有影響，而且視頻檢測系統(tǒng)也不會相互沖突。而且與其它的傳感裝置相比，視頻傳感器能夠提供例如車輛牌照、車輛型號、車輛行駛路線以及車輛顏色等直觀而詳細的車輛信息。基于視頻的車輛檢測系統(tǒng)相比以上傳統(tǒng)方法具有以下優(yōu)點： （ 1） 視頻檢測系統(tǒng)所需要的攝像頭等設備易于安裝，維護方便，費用低，安裝維護時不需要封閉車道，也不需要挖掘路面，因而不會影響正常的交通運行。 基于視頻圖像的運動目標分析的內(nèi)容涉及人工智能、模式識別、計算機視覺等多個先進科技領四川大學本科畢業(yè)論文 車輛排隊 長度檢測技術(shù)研究 2 域，而且以數(shù)字圖像處理為基礎 ]4[ 。 視頻檢測技術(shù)是將計算機圖像處理技術(shù)引入到老式的圖像監(jiān)控系統(tǒng)中，利用先進的計算機技術(shù)從檢測系統(tǒng)獲得的視頻信息中提取出有用的交通信息，而且還能向交通系統(tǒng)管理中心及時提供實時的交通錄像 ]3[ 。環(huán)形檢測的優(yōu)點是成本低廉， 安裝方便。 環(huán)形檢測是交通檢測系統(tǒng)中常用的一種檢測方式。 超聲波檢測由發(fā)射天線和聲波接收器組成。對于車輛檢測，目前存在著數(shù)種檢測方法。智能交通系統(tǒng)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 ， 有利于推動經(jīng)濟的快速發(fā)展。 研究背景 智能交通系統(tǒng)是目前全世界各個國家都在進行研究和開發(fā)的交通領域前沿研究課題和熱點。因此需要一種有效而實用 的交通管理系統(tǒng)來處理這些問題，而老式的交通管理系統(tǒng)因為效率低下等原因，已經(jīng)無法適應交通發(fā)達的現(xiàn)代社會。 [主題詞 ] 車輛排隊長度檢測 ； 車輛檢測 ； 背景建模；陰影消除 四川大學本科畢業(yè)論文 車輛排隊長度檢測技術(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 the measure of vehicle queue length are essential parts of intelligent transportation system. The identification of the license plate and the measure of vehicle queue length applicants many technologies, such as synthesize puter visiontechnolog