1、四川大学硕士学位论文基于视频检测的交通信息采集系统姓名：林向炜申请学位级别：硕士专业：计算机应用技术指导教师：杨红雨20060501鹳川大学硪士学位论兜基于视频检测的交通信息采集系统诗冀祝应爝技零专筵研究生；林向炜 指导教师：杨级雨为了解决地面交通快速发展所引发的各种问题，锶能交通系统(ITS：Intelligent Transportation System)的研究被提到了重要位鬻。车辆的视频检测、跟踪与交通事件检测系统作为ITS的羹要组成部分，成为许多围家的研究燕点。本文钟对ITS领域中的关键技术，研究了基予视频稔测的交道信息采集系统中的相关闯题。本文详细描述了蒸子视颓技术的擎辆检测与跟踪
2、，分析并骈究了车辆超速、超车等交通事件，提出相应的具体检测方法并绘出实验结果。论文还就交通信怠采集系统给国了具体应用实例爝台道路中心签撩系统，分析了该系统静物理结构与逻辑结构，并对其中主要功能做了具体介绍。本文分五个部分邋行论述；1)概述了交通信息采集系统的应用背景岛相关技术。对国内外智能交通的发展或状进行了院较。2)在车辆检测中，提出了种基予像素亮度的非参数核密度估计法来构建背景穰鍪，并运甭实瓣更耨与长赣谲麓裾结会懿方法来遴行骜蒙更耨，最磊零l用虚拟线圈实现触发检测。对车辆检测中因阴影所造成的误触发等情况提出了初步的解决办法。3)基于视频的车辆的跟踪算法。提出了一种基于区域匹配的目标跟踪算法
3、，逶过鼹区域裙定豫、澎涨瘸盎廷瑗、获取终按矩形等一系列手段交瑰怼嚣标的史时跟踪。镑对交逶事律捡溺送：；豹繇突，分爨魄较?国内努交逶事拳捡测技2四川大学硕士学位论文术的发展，并对车辆超速与超车事件提出了具体的检测方法。5)介绍了交通信息采集系统的成功案例烟台道路中心监控系统。分析了该系统的物理结构与逻辑结构，并对其中主要功能做了具体介绍。本文研究的课题之一“基于视频的车辆检测技术”是四川大学图形图像研究所承担的国家科技部技术创新基金项目“高速移动车辆类型精确识别设备”(项目号：03C26225100257)的核心技术部分。本课题以计算机视觉、模式识别和图像处理技术为基础，针对运动车辆类型识别系统
4、中基于视频的运动车辆检测、车牌定位与识别、车标定位与识别、车身颜色识别、车辆外形和大小识别技术等问题展开研究，取得了较好的效果。大量实验表明，本文提出的技术是合理的，具有较大的理论意义和实用价值。关键词：视频检测、交通信息采集、车辆跟踪、交通事件检测3四川大学硕士学位论文Traffic Information Collection SystemBased Video DetectionMajor：Computer Application TechniqueGraduate：Lin Xiangwei Advisor：ProfYang HongyuIn order to solve various
5、 problems caused by the rapid growing ofsurface traffic，theresearch of Intelligent Transportation System comes to all issue ofconsequenceAsan important part oflTS，vehicle detecting，tracking and traffic incidents detectionbecomes a research focus all OVer the worldAccording to the key techniques ofIT
6、S，some algorithms and techniques for vehicle tracking and traffic incidentsdetection have been analyzed and improvedSeveral methods based on vehicle detecting and tracking，which are used to detecttraffic incidents such as over-speed,have been described in detail in this thesisWhatS more，Yantai Traff
7、ic Monitor System has been put印with as a successfulcasenle main ideas ofthis thesis call be described as follow：1)The first chapter simply introduces the research background of intelligenttransportation system，especially techniques in the field of拓affic informationcollection2)For vehicle detection，a
8、ll algorithm using nonparametric kernel estimation hasbeen analyzed and improved to build the background model and to detect movingobjects by visual-loop detectionA new mechanism based 011 short-term model andlongterm model has been put up witll to make the algorithm more reliable3)For vehicle track
9、ing，a method using region matching has been improved andreaiizedWe call track the vehicles by locating the area，expanding，eroding and getthe area ofvehicles4一一 坚业查兰堡主堂垡堡苎4)We compare the technologies oftraffic incidents detection with other countriesSeveral methods are provided to solve some classic
10、al problems about trafficincidents detection such as surpass and over-speed5)A successful case，Yantai Traffic Monitor System，has been introducedWe simplydiscuss the architecture ofthe system and the functions which have beenimplemented in itVideo Detection Techniques for Moving-Vehiclesis the core t
11、echnique of“Accurate Type Recognition Device ofMoving-Vehicles with Hi曲Speed，which issupported by innovative fund ofministry ofscience and technology(the fundnumber is：03C26225100257)Based on computer vision，pattem recognition andimage processing techniques，we studied such topics as video detection
12、methodbased on video detection，vehicle-licenseplate location and recognitionvehicle-logo location and recognition，color recognition ofvehiclebody，etcExperimental results show that，the technique presented in this paper is reasonable，and have theoretical and practical valuesKeywords：Video detection,Tr
13、affic information collection,Vehicle tracking,Trafficincidents detection四川大学硕士学位论文1绪论11选题背景近年来，随着经济的迅猛发展和人民生活水平的不断提高，车辆保有量及交通出行量迅速攀升，而相应的交通基础设施和智能化交通管理系统的建设则相对滞后，这都对当今的交通管制提出了新的挑战。为了解决地面交通迅速发展所引发的诸多问题，智能交通系统(Intelligent Transport System，ITS)被提到了重要的位置。早在20世纪80年代，以欧洲、美国和日本为代表的各发达国家已从依靠扩大路网规模来解决日益增长的交通
14、需求，转移到利用高新技术来改造现有道路运输体系及其管理方式，从而达到提高路网通行能力和服务质量、改善环保质量、提高能源利用率的目的。而中国的智能交通建设则起步较晚，直到20世纪90年代才提出了智能交通的概念，但随着近年来我国国民经济的稳步增长与信息化水平的逐步提高，智能交通系统已经成为我国交通行业研究的热点。智能交通系统就是以缓和道路堵塞和减少交通事故，提高利用者的方便、舒适为目的，利用尖端的信息通讯技术等的交通系统的总称。它通过传播实时的交通信息使出行者对即将面对的环境有足够的了解，并据此做出正确的选择。通过消除道路堵塞等交通隐患，建设良好的交通管制系统，减轻对环境的污染。通过对智能交叉路口
15、和自动驾驶技术的开发，提高行驶安全，减少行驶时间。当前智能交通系统的研究领域有：先进的交通管制系统、先进的交通信息服务系统、先进的公共交通系统、先进的公路交通系统、先进的车辆控制系统、先进的物流交通系统等。智能交通系统可以为交通部门及时、准确地提供诸如车流量、道路拥塞度和事故监控等交通信息，使交通部门能有效地获取有关交通状况的信息，并进行处理，从而更好地发挥交通管理系统在交通监视，交通控制、出入控制，救援管理等方面的准确性和调控性。8四川大学硕士学位论文计算机视觉作为智能交通系统中的一项重要技术，目前也已受到越来越多的重视。计算机视觉就是利用各种成像系统代替视觉器官作为视觉信息输入手段，由计算
16、机来代替大脑完成处理和解释。计算机视觉不仅能使机器感知环境中的几何信息，包括位置、大小、形状、运动等，还能对它们进行描述、解释和理解。计算机视觉技术为交通系统提供了直观方便的分析手段，交通环境中的大量信息，如车辆、交通标志和路面标识等都来源于视觉。用计算机视觉来处理和理解这些信息成为一种必然的选择。随着我国智能交通系统的迅速发展，交通信息的采集已作为智能交通系统的重中之重来优先发展，因此如何通过运用计算机视觉技术，建立道路交通信息采集系统也就成为了交通管理智能化的首要任务。12国内外智能交通发展现状智能交通系统的早期构想是由美国在六十年代提出的，目前，世界上已形成了美国、日本、欧盟三大ITS研
17、究开发基地，除此之外，亚洲的韩国、新加坡和我国的香港特区ITs发展水平也较高。60年代末期，美国的ERGS(Electronic Road Guidance System)项目开始了世界上最早的ITS开发研究。之后美国集中了国内各种力量，并在政府和国会的参与下，成立了ITS的领导和协调机构，于1991年制订了综合陆上运输效率化法(即所谓的冰茶法案，ISTEA)，并拟订了20年发展计划，总投资预算400亿美元。目前，美国在智能公共交通领域独树一帜，已建立起相对完善的车队管理(通讯系统、地理信息系统、车辆自动定位系统、乘客自动计数系统、公交运营软件系统、交通信号优先系统)、公交出行信息(出行前公交
18、信息系统、车站，路边的公交信息系统、车上公交信息系统、综合乘客信息系统)、电子收费和交通需求管理技术等四大系统及多个子系统及技术规范标准。在视频检测领域，美国的Autoscope公司无疑是其中的佼佼者。该公司开发的事故检测系统主要用于采集车辆的平均速度，数量和车道流量等信息，通过这些信息，就可以检测出高速公路上发生的事故。数据和实时视频信号经光纤传至城市交通管理中心，并由ScopeServer通讯服务器定时轮流处理每个视频处理器，最后将9四川大学硕士学位论文预测的旅行时间通过CMS显示给用户；另外，该公司还充分利用了数字电路的小型化优势，将光电传输器件与计算器件集成到视频感应器中。这种集成的视
19、频感应器通过一种全新的通讯架构与感应系统相连，并由感应管理软件进行统一的管理。感应器使用改进后的追踪与速度测量算法将大大提高车辆检测与分类上的准确性。日本的智能交通系统起步较晚，但由于政府重视，其发展和推进速度却相当快。日本城市公共交通系统智能化的发展过程经历了3个阶段：70年代末开始应用的公共汽车定位系统，即公共汽车接近显示系统：80年代初开始应用的运行管理系统，其中包括乘客自动统计、运行监视和运行控制；90年代初开始应用的综合管理系统，其中包括后勤业务改进和经营支援系统。日本组成了由四省一厅参加的全国统一智能交通系统开发组织(VERTIS)，并于1996年制定了“推进ITS总体构想”。并推
20、出了一个投资预算78兆亿日元，为期长达20年的发展计划，包含了智能子系统部分应用、改善基础设施建设及系统和产品的研究开发。日本的ITS研究与应用开发工作主要围绕三个方面进行，它们分别是：车辆信息与通信系统、不停车收费系统、先进道路支援系统。由警察厅、邮政省和建设省主持的VICS系统以向驾驶员提供道路交通信息、使道路交通安全流畅为目的，已经开始进入应用化试验的阶段。目前，装载有接收此类交通信息设施和车载路径导航装置的车辆已经超过500万辆。此外，为推广应用ITS的研究成果，引进先进技术，实现ITS的多元化，发挥先进技术的优越性，日本还先后制定了Smartway(智能道路)计划和Smartcar
21、ASV(Advanced SafetyVehicle，先进安全型汽车)计划，以创造综合ITS技术的高效、安全的通行环境。在设想中，这条道路将会有先进的通信设施，不断向车辆发送各种交通信息，所有的收费站都不需停车，能以较快的速度通行，道路与车辆可高度协调，道路提供必要信息以便车辆进行自动驾驶。欧盟对ITS的研究、开发也不甘落后，1985年，欧共体19个成员国为主的政府与民间企业组织合并后，共同推进智能运输系统的发展，并更名为欧洲道路运输信息技术实施组织(TPdCO)，总开发投入50亿美元，实施智能道路和车载设备的研究发展计划。1986年欧洲民间联合操作了欧洲高效安全交通系统计划(PROMETHE
22、US)，之后在政府介入下1995年启动了PROMOTE计划，1996年2月底，欧共体事务总局13局第一次公布了T-TAP征集的具体74个子项目。IO四川大学硕士学位论文至今，已有相当一部分的研究成果投入到实际的应用当中，并为使用者带来了可观的经济效益。比利时的Traficon公司最近开发了一种用于小型路口的，经济简单且综合性高的小型视频检测设备。这种作用于交叉1：3的新型多功能、经济型检测器可以将摄像机和检测器集成在一个紧密轻巧的盒子里，并从多至四个区域内检测车辆，通过视频信号独立开放的收集器，提供数据给交通信息处理系统，最后以连续信号由RS485通信端口输出。该设备比其他检测设备，例如雷达、
23、红外线、线圈等能更好更经济地调整交通信号灯的工作。”我国在智能交通领域则起步较晚。长期以来，由于我国交通资料相当缺乏，统计数据不完善，这给许多城市的交通管理、规划和控制等带来了非常大的困难，而我国在交通控制设备的研制开发上与发达国家相比还有一定差距，我国自行研制的设备在功能、可靠性等方面还有待于进一步提高。但是近年来，国民经济一直持续增长，风险投资体制逐步完善，信息化水平迅速提高，逐步与国际接轨，安全、环保意识也日益增强，这些都为我国发展智能交通提供了很好的条件。1999年11月，国家智能交通系统工程技术研究中心(ITsC)正式由国家科学技术部批准建立，它以国民经济、交通运输行业和市场需求为导
24、向，针对智能交通系统发展中存在的重大技术问题，对有市场价值的重要应用科技成果进行共性技术、关键技术的后续化、工程化、产业化以及系统集成的高新技术研发实体，是国家级的工程技术研究中心。ITSC拥有国内唯一的综合性智能交通系统检测和实体实验室以及智能运输系统实验室，通过科研成果的转化应用，带动制造业和服务业的发展，增强我国在2l世纪的国际竞争力。ITSC还承担着“全国智能运输系统标准化技术委员会”的工作，负责组织ITS国家标准和行业标准的制订、修订和审查并代表中国参与ITS国际标准化工作。在中国，川大智胜、汉王科技和上海高德威等公司走在了智能交通领域的最前端。川大智胜的ZT2000车牌自动识别系统
25、是以通过国家公安部部级鉴定的“高速行驶汽车号牌自动识别系统”为核心技术的。该产品在基于多分辨率纹理分析和模糊熵的快速定位分割、多帧图像实时融合去模糊、连续多帧图像识别结果的置信度判别等技术上有重大创新。对高速运动车辆(车速墨140kmh)识别正确率可达94。识别主机有户外型、户内型和车载型等系列产品，支持视频触发和一机多路识别，对阴雨、低温等恶劣环境有很好的适应性。应用系统可分为治安卡12系统、电子警察系统、车载识别系统、车辆旅行时间检测系统、车辆四川大学硕士学位论文检测线及收费站应用系统等多种类型，已在北京、上海、深圳、大连、顺德、吉林等二十多个省市应用。北京汉王科技有限公司的智能交通产品嵌
26、入式一体化车牌辨识仪(“汉王眼”)是一款基于DSP硬件运算平台的汽车牌照识别系统，它采用一体化的结构，将照明模块、采图模块、识别模块、传输模块、温控模块全部集中在一个防护罩内，能完成从采集车辆图像、识别车牌号码到传输识别结果的全部过程，通过标准RS232(或RS485)串口传输方式直接输出车牌识别结果(号码字串和标准图像格式文件)，根据完全公开的数据传输协议，可方便地接入到各类智能交通车辆管理系统中。汉王公司凭借其在文字识别领域的国内领先技术而专门开发的车牌识别算法，使这款产品在高速公路收费系统、城市卡口系统、超速布控系统、小区大院车辆管理系统等多个领域都得到了广泛的应用。上海高德威的GWPR
27、一9902T牌照识别器系统产品，采用最新的数字图像处理和识别技术，基于嵌入式工控机DSP和专用硬件电路，利用定向反射和自然光相结合的识别原理，实时地完成复杂情况下的汽车牌照的定位、分割以及识别，通过牌照二值化图像写入IC卡技术，解决了入口图像传输到出口的难题；通过摄像机二次开发和智能补光技术，确保了成像质量不受车大灯和光线明暗的影响。该产品具有很高的识别率和稳定性，已大量应用于高等级公路的收费监控系统，公安、海关车辆管理、停车场管理、封闭区域车辆管理、交通参数调查等系统中。13交通信息采集系统综述交通信息采集系统是一套对道路交通情况进行实时检测与分析的多功能处理系统，它主要由视频检测器、交通监
28、控软件和数据分析软件几部分构成。视频检测器通过摄像机将采集到的实时视频图像发给交通监控软件，交通监控软件在收到图像后，运用计算机视觉技术对每帧图像进行分析比对，一方面将道路的基本信息如：车流量、道路占有率等数据发给数据分析软件，另一方面，当其检测到有违法行为如：闯红灯、超速等，将通知视频检测器进行抓拍，并马上进行报警处理，从而实现对道路状况的监控，数据分析软件则负责对各项信息进行分析与处理，做出相应的判断与预测，为交通管理部门对道路的宏观四川大学硕士学位论文管理提供充足的理论依据。交通信息采集系统可采集的信息一般包括：各车道的车流量、交通密度、道路占有率、车速、车型、车头距、车辆队列长度、离开
29、量、离开速度，以及车辆逆行、超速、闯红灯、压黄线、意外事故等。正是由于道路交通信息采集系统具有如此多项检测功能，目前它已被广泛使用于各种高速公路、国道、干道、城市道路、交通路口、收费站等。交通信息视频采集系统若与车牌自动识别系统联合使用，将能起到更好的交通管制作用。当交通信息采集系统检测到违法车辆(如闯红灯、压黄线)时，则通知车牌自动识别系统进行实时抓拍与识别，并将识别结果交给交警部门进行统一处理，从而起到规范交通秩序、减少事故发生的效果。道路交通信息采集系统是交通监控、管理系统必备的前端产品，是实现交通管理智能化的基本要素之一，有着极其广阔的推广应用前景，对改善城市交通状况、减少交通事故、促
30、进社会的可持续发展具有深远的意义。14论文的结构安排本文的结构安排如下：第一章概述了智能交通系统的应用背景、作用意义，比较了国内外智能交通的发展现状，并对交通信息采集系统作了一个初步的介绍。第二章主要研究了基于视频的车辆检测技术。对几类视频检测算法进行分析。重点讨论了基于背景模型的车辆检测，提出了一种基于像素亮度的非参数核密度估计法来构建背景模型，并结合实时更新与长期调整来对背景实行更新，最后通过虚拟线圈实现触发检测。并对阴影的检测去除算法进行了研究。第三章主要研究了基于视频的车辆跟踪技术。提出了一种基于区域匹配的跟踪算法，并进行研究和实现，最后给出了初步实验结果。第四章描述了交通事件检测技术
31、，给出了几种常用的事件检测方法。对于车辆速度的检测，重点讲述了基于车辆跟踪的视频测速法；对于超车检测，提出了一种基于亮度直方图的超车检测算法。第五章重点介绍了将本文所涉技术进行了综合运用的成功案例烟台道四川大学硕士学位论文路中心监控系统。分析了该套系统的物理结构和逻辑结构，并对系统的主要功能进行了介绍。第六章总结全文，并分析有待改进之处，对未来的工作进行展望。15作者所做的工作作者于2004年9月进入实验室参加科研工作，主要从事数字图像处理、模式识别方面算法研究和软件开发工作以及网络通信方面软件开发工作。应用领域为智能交通系统。参与多个项目的软件研发工作，主要完成以下工作：(1)车辆视频检测与
32、跟踪：参与多个车辆检测与跟踪方面的应用系统的算法研究与软件开发工作。包括采用地感线圈的卡口系统、闯红灯检测系统、基于虚拟线圈的车辆检测系统、基于车辆跟踪的交通事件检测系统、以及应用于高速公路监控的车辆视频测速系统。(2)车标定位与识别研究：对车标定位算法进行研究，提出基于图像轮廓相关的对称检测算法来定位车标区域，然后对车标进行识别。(3)摄像机自动控制：根据摄像机传回的图像信息来计算摄像机应该设置的光圈、焦距、增益等参数，通过串口RS一485将控制信号转送给摄像机，使其在各种光照条件下能得到运动目标部分较为清晰的图像。用于多个应用系统中，参与该项目软件研发工作。(5)网络传输方面：参与了北京市
33、车辆旅行时间采集系统项目、上海市交通信息采集系统、烟台卡口系统、深圳高速公路监控系统等的研发工作。(6)发表论文如下：a)基于虚拟线圈的交通参数检测，发表于核心期干U计算机应用研究，2006年4月，第一作者b)基于多种车辆特征信息识别的停车场管理系统，发表于核心期刊计14四川大学硕士学位论文算机应用研究，2006年1月，第三作者。c)(GPS精确校时方法研究，发表于期刊四川师范大学学报，2006年4月，第三作者。四川大学硕士学位论文2基于视频的车辆检测21概述车辆检测技术有多种方式。目前常用的是地感线圈、雷达(微波)、超声波、红外、激光，视频等几种检测技术。在早期的交通监控系统中，欧美许多国家
34、采用环型线圈检测器作为车辆检测装置。而日本等亚洲国家多采用超声波检测和光学探测的方法。目前常用的车辆检测器是环型线圈检测器，它能监测车辆的存在以及路段的饱和度。通过在单车道上安装多个线圈，环型线圈检测器还可以监测车辆的速度以及车辆的长度。直至今日，该技术的研究和开发历史较长，技术相对成熟、稳定，检测的精度高，而且可以工作在恶劣的天气环境下，但环型线圈检测器也有其固有的缺点：环型线圈检测器不能同时监测多个车道，对于想了解多个车道的车流量情况只能在多车道的路段上每个车道都安装一套线圈检测器。当安装或维护线圈车辆检测器时，需要阻断交通流。当两辆车过于接近时，环型线圈检测器将会误认为是一辆车。对于一些
35、特殊路段例如立交桥桥体表面，由于厚度限制，不能埋设线圈。安装过程对可靠性及寿命有很大影响。超声波检测器利用反射回波原理制成的，微波检测器按照多普勒效应原理工作，红外检测一般采用反射式检测技术。虽然超声波检测与光学检测器不会破坏路面，但是也存在检测区域小、维护困难、容易造成二次触发等缺点。由于电磁感应线圈与光学检测器的缺点，它们未能得到更好的推广，而基于视频与图像处理的视频车辆检测技术由于具有检测区域广，维护简单等优点，使之成为了近年来计算机视觉领域中备受关注的前沿方向。它以视频图像为分析对象，通过对设定区域的图像进行分析，从而检测、识别、跟踪车辆，并得到如：车辆速度、车流密度和车辆占有率等交通
36、参数，是ITS的基础和前沿技术。它的研究内容相当丰富，涉及到模式识别、图像处理、计算机视觉、人工16四川大学硕士学位论文智能等许多学科的知识。视频检测方式较之传统的地感线圈检测方式具有以下优点：安装方便，不破坏路面，施工时基本不影响交通利用多种探测器，实现不同的检测功能检测器设置方便、灵活可以实现大区域检测系统采用模块化、结构化设计，可扩展性好、系统运行效率高维护方便且成本较低视频检测技术凭借其灵活性与高可靠性，因此越来越受到了人们的青睐。目前在国际上不少公司都推出了自己的视频检测产品，如美国的Autoscope、VideoTrack900、VTDS，西门子的ARTEMIS和比利时的Trafi
37、con等。由于背景图像的动态变化，如天气、光照、阴影、行人及混乱干扰等因素，都会给运动检测与跟踪带来影响，同时，动态场景中运动物体的快速分割、光线变化、多辆车辆粘连、车辆互遮挡等问题也给车辆视频检测带来了一定的挑战。如何减少这些因素给检测结果带来的影响，提高视频检测的准确率成为了视频检测领域研究的重点与难点。22视频检测的几种方法在图像序列中进行视频检测的常用方法主要有：相邻帧差分法、背景消除法、光流法等。(1)相邻帧差分法Il-2相邻帧差分法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分，并且通过阈值化来去除静止的物体，提取出图像中的运动区域。例如Lipton等Il】利用两帧差
38、分方法从实际视频图像中检测出运动目标，进而用于目标的分类与跟踪；一个改进的方法是利用三帧差分代替两帧差分，该方法在连续3帧视频图像中，分别在第一和第二帧之间，第二和第三帧之间作差分运算。如VSAM开发了一种自适应背景减除与三帧差分相结合的混合算法，它能够快速有效地从背景中检测出运动目标。文献9中还提出了一种将运动分割四f大学硕士学位论文和静止分割相结合的方法来检测运动车辆，采用静止分割来修正运动分割的结果。其基本思想是用序列图像中连续三帧图像的差分粗分割出运动区域，并用一种基于图论的静止分割产生的区域信息来修正运动分割的结果，然后通过给出一种模板来增强图像区域间的对比度，以改进分割效果。相邻帧
39、图像差分法的优点是计算简单、速度快，并且它只对运动物体敏感，不需要考虑背景缓变的影响，而且因差分图像的时间间隔较短，差分图像受光线变化影响小。其缺点是检测出的物体位置不精确，导致物体的外接矩形在运动方向上被拉伸，这是由于物体的相对运动与物体位置并非完全一致引起的。同时这种方法无法检测静止的物体。因此我们要想使用相邻帧差分法来检测运动物体，必须在跟踪的过程中通过跟踪算法的改进与完善来解决分裂的问题。(2)背景消除法背景消除法【3】是目前运动分割中最常用的一种方法，它是在假定获得理想背景图的基础上，将各帧和理想背景相减，这样就可以得到运动区域的方法。其优点是位置精确、速度快，因为它只需获取当前的一
40、幅图像。在背景消减法中，目标区域的获得在很大程度上取决于理想背景的建立。但在实际情况下，由于天气变化、环境光线的变化和阴影的变化随时发生，使得理想背景很难一次得到。为此，大部分的研究人员目前都致力于开发不同的背景模型，希望减少动态场景变化对于运动分割的影响。Karmann与Brandt41、Kilger5】采用基于卡尔曼滤波(Kalman Filtering)的自适应背景模型以适应天气和光照的时间变化；文献“”提出利用最小、最大强度值和最大时间差分值为场景中每个象素进行统计建模，并且进行周期性的背景更新；文献“”利用象素色彩和梯度信息相结合的自适应背景模型来解决阴影和不可靠色彩线索对于分割的影
41、响；Stauffer与Grimson6矛lj用自适应的混合高斯背景模型(即对每个像素利用混合高斯分布建模)，并且利用在线估计来更新模型，从而可靠地处理了光照变化、背景混乱运动的干扰等影响【”。背景消减法适用于摄像机静止的情况。计算速度快，可以获得关于运动目标区域完整精确的描述，但对场景中光照条件、大面积运动和噪声比较敏感，在实际应用中需采用一定的算法进行背景模型的动态更新，以适应环境的变化。(3)光流法【8】光流计算技术是Gibson于1950年提出的。光流是指图像中灰度模式运动四川大学硕士学位论文的速度，它是景物中可见点的三维速度矢量在成象平面上的投影，它表示了景物表面点在图像中位置的瞬时变
42、化；同时光流场携带了有关运动和结构的丰富信息。光流法检测运动目标的基本原理【121是：给图像中的每一个象素点赋予一个速度矢量，这就形成了一个图像运动场，在运动的一个特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可由投影关系得到，根据各个象素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动目标，则光流矢量在整个图像区域是连续变化的，当物体和图像背景存在相对运动时，运动物体所形成的速度矢量必然和邻域背景速度矢量不同，从而检测出运动物体的位置。如Meyer等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。文献13中提出了一种根据光流场的信息来检
43、测车辆的方法。光流场是分析图像序列中运动目标的重要方法，特别是当运动物体重叠时，利用其光流场的分布，可以进行检测。光流法在摄像机运动的前提下也能检测出独立的运动目标，但其缺点在于易受噪声干扰，且计算量较大，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。23基于背景模型的车辆检测在视频检测系统中，摄像机一般都是被静止地安放在路边的支架上，用以检测运动目标。这就需要将当前帧图像与一帧现存场景进行比较，从而得到物体的运动信息。这一过程就称为背景提取，而这帧现存场景就是背景模型。一般来说，建立一个良好的背景模型是视频检测系统进行正常工作的前提，从而为以后的视频跟踪、检测、事件处理奠定良好的
44、基础。但是背景图像通常包括了一些非静止的物体：如摇摆的植物，飘扬的旗帜等，它们会随着当前风向的变化而对背景产生影响，另一类则包括树木和建筑物的阴影，这类像素点的亮度将随着光照的变化而变化。因此为了保证背景模型的健壮性及检测结果的准确性，我们需要对背景进行实时的更新，使之能更好地体现出当前背景的状态。但是，如果对背景更新速度过于频繁，则容易将一些本不应属于背景的运动物体更新到当前背景中，从而造成检测结果的不准确；如果背景更新速度过慢，则会导致当背景发生变化后，原背景模型不能很快地适应，从而导致误拍率的19四川大学硕士学位论文增高。我们的目标在于构建一个准确的背景模型，该模型能够迅速地适应外界条件
45、的变化，并及时做出响应，从而保证检测结果的正确。在以下的章节中，作者提出了一种基于像素亮度的非参数核密度估计法来构建背景模型，该方法通过运用图像中每点的像素亮度的基准值，从而用来估计像素亮度分布的密度函数，因此可以估计出下一帧图像中相应像素点亮度值的概率；在232，我们将描述一种基于实时更新与长期调整相结合的背景更新机制来实现对背景的实时更新；在233，我们针对当前视频检测的具体应用，采取了一种虚拟线圈检测法来进行视频检测，并结合对背景的提取与更新，从而得到各项交通参数信息。231背景提取为了得到一个良好的背景，我们通常可以通过提取图像中的各项信息(如：像素亮度、边缘信息、相关系数、色彩饱和度
46、等)来实现。像素亮度是在构建背景模型中最常用到的一个特征。通过对一帧静止背景一段时间内的观察，可以发现，某像素点的亮度是符合(，盯2)的高斯分布的，而图像的随机噪声点则通常里均值为O的高斯分布。文献15中提出了一种混合的3阶高斯分布法来构建像素的亮度模型。该方法通过计算道路、阴影及车辆的分布情况，从而判断出像素的亮度变化，并运用EM算法对该模型进行了更新。文献16则提出了一种3阶的隐藏马尔可夫模型来为交通监控系统构建像素亮度模型。这种方法为像素亮度提供了一种短期的连续性约束。例如：当一个像素被检测成前景的一部份，那么在一段时间内它都将被认为是前景直到其被检测成为背景。在本文中，作者提出了一种基
47、于像素亮度的非参数核密度估计法来构建背景模型。该方法通过运用图像中每点的像素亮度的基准值，从而用来估计像素亮度分布的密度函数。因此可以估计出下一帧图像中相应像素点亮度值的概率。假设而，x：，x。是一个像素点亮度值的一个样本集，通过这个样本集，我们就可以通过核密度估计法得到像素亮度的概率密度函数。对于t时刻下某点的像素亮度，我们可以给出它的概率估计：四川大学硕士学位论文其中以为窗宽为or的核函数，为t时刻下像素点的亮度值。若我们选取了_，组像素特征作为判断依据，则像素亮度的概率函数将变为：e)=丙1缶N EdK(_一_) (2-2)其中Xtj为d维的像素特征值，巧，为第_，维颜色空间下窗宽为q的
48、核函数。本文中，我们选取标准正态分布核来作为我们的核函数，则概率函数将变为：嘛强，对于一个观测值Xt，如果eAx,)小于一个全局阈值历(肪可以随着时间的变化做出相应的调整)，则该像素点t被归为前景点，否则归为背景点。检测结果表示为：忍=嚣宠鬟 (24)这种方法可以使我们很快地从当前的图像信息中估计出密度函数，从而避免了以往的信息给判断结果带来的影响。它不像传统的参数估计法需要进行大量的运算，具有运算量小、可靠性强的特点。另外，由于这种方法所得出的估计值是基于最近的n个样本值的，所以只需简单地通过添加新样本，丢弃旧样本就可达到更新模型的目的。从式(23)可以看出，窗宽盯的选择对估计结果至关重要，
49、由于在计算概率函数的函数的过程中我们仅使用了有限的样本值，因此，选取一个合适的窗宽成为了估计概率分布的一个重要前提。实验表明“”，如果盯取得太小会使估计的密度分布有毛刺出现欠光滑现象，相反，则会使估计过光滑另外，不同的2I四川大学硕士学位论文颜色特征也应选择不同的窗宽。某像素点的亮度变化一般是由以下两种原因造成的：第一种是因为不同的物体运动(如：车辆的行驶、植物的摇摆等)在不同时刻当其边缘通过像素点时所带来像素点亮度值的剧烈跳变；第二种是由于在一段相对短的时间内由于像素受到物体的投影或遮挡(如：植物的阴影、物体的遮挡等)导致其亮度产生的局部变化。而窗宽则应该反映像素亮度的这种局部变化丽不是亮度的剧烈跳变。另外它也应该随着时间的不同进行相应的变化。为了获得合适的窗宽盯，我们可以计算像素相邻帧亮度样本的绝对差的中值研，m=k一工。112。计算该中值的目的在于，由于像素亮度在一段时间内会因为不同物体的运动(如：车辆的行驶、植物的摇摆等)其边缘通过像素点而产生剧烈跳变，时域上相邻的像素对(x。x。)通常来源于相同的局部分布而只有很少情况来源于交叉分布。因
