基于视频的车辆检测及拥堵预警系统的设计毕业设计(编辑修改稿)

基于视频的车辆检测及拥堵预警系统的设计毕业设计(编辑修改稿)内容摘要：

.............................. 21 5 总结与展望 ....................................................................................................................... 22 总结 ............................................................................................................................. 22 展望 ............................................................................................................................. 23 6 参考文献 ........................................................................................................................... 24 7 致谢 ................................................................................................................................... 25 附录 基于混合高斯模型的背景提取与更新程序 ................................................................ 26 基于视频的车辆检测及拥堵系统的设计 1 / 30 1 绪论 课题背景及研究意义 近几十年来，世界工业技术得到了突飞猛进的发展，各国汽车数量增长迅猛。 根据来自公安部交通管理局的消息，目前我国机动车保有量已达 1. 99 亿辆，其中汽车 8500多万辆。 汽车数量的迅速增加造成交通拥挤严重、交通事故频发、交通环境的恶化，给我国城市道路交通问题提出了严峻考验。 在我国 随着 国民经济高速发展和城市化进程的加快，机动车拥有量及道路交通量急剧增加。 尤其是大城市，交通拥挤堵塞以及由此导致的一系列交通事故越趋频繁，环境污染加剧，是我国城市面临的极其严重的“城市病”之一，而且它已经演变成了制约国民经济发展的瓶颈问题。 解决交通问题的传统方法是修建拓宽道路，架设地下轨道，但对于有限的城市区域来说，可供修建道路的空间越来越少。 我国在大力进行道路基础设施建设的同时，也认识 到如果单纯依靠道路设施建设，难以达到解决日益严重的交通问题， 此外，交通系统是一个复杂的大系统，单独从车辆方面或道路方面考虑，都很难完善的解决交通问题。 必须依靠高科技来进行有效的交通管理，才有可能从根本上解决交通阻塞问题。 在此把道路和车辆综合起来的解决交通问你的智能交通系统油然而生。 基于视频的车辆检测及拥堵预警系统加强了对道路交通系统的智能化监控，使交通出行整体对能源的需求减少，进而减少了对环境的污染。 系统的实施可减少车辆的速度变化频率和停车次数，降低了城市噪音，路网的利用率大大提升，使道路更加顺畅，从而也降低了交通事故的发生频率。 通过对车辆拥堵情况的预警可以引导交通运输向合理的模式转变，提高商业车辆的运行效率，提高运输企业的生产效率，改进服务质量，降低成本，从而大幅度提高交通运输企业的经济效益。 交通车辆检测器的概述 基于视频的车辆检测及拥堵系统的设计 2 / 30 环形线圈检测器 环形线圈检测器是传统的交通检测器 又被称做地感，一 般为一种埋设式的检测系统 ，是目前世界上用量最大 最多 的一种检测设备。 车辆通过埋设在路面下的环形线圈 时 ，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等 等，一些 交通参数，并上传给中央控制系统，以满足交通控制系统的需要。 此种方法技术成熟，易于掌握，并有成本较低的优点。 这种方法也有以下缺点： a. 线圈在安装或维护时必须直接埋入车道，这样交通会暂时受到阻碍。 b. 埋置线圈的切缝软化了路面，容易使路面受损，尤其是在有信号控制的十字路口，车辆启动或者制动时损坏可能会更加严重。 c. 感应线 圈易受冰冻、路基下沉、盐碱等自然环境的影响。 d. 感应线圈由于自身的测量原理所限制，当车流拥堵，车间距小于 3m的时候，其检测精度大幅度降低，甚至无法检测。 波频检测器 波频车辆检测器是以微波、超声波和红外线等对车辆发射电磁波产生感应的检测器，这里主要介绍 微波车辆检测器 （ RTMS），它是一种价格低、性能优越的交通检测器，可广泛应用于城市道路和高速公路的交通信息检测。 微波车辆检测器（ RTMS）的工作方式是：采用侧挂式，在扇形区域内发射连续的低功率调制微波，并在路面上留下一条长长的投影。 RTMS 以 2 米为一 “层 ”，将投影分割为 32 层。 用户可将检测区域定义为一层或多层。 RTMS 根据被检测目标返回的回波，测算出目标的交通信息，每隔一段时间通过 RS 232 向控制中心发送。 它的车速检测原理是：根据特定区域的所有车型假定一个固定的车长，通过感应投影区域内的车辆的进入与离开经历的时间来计算车速。 一台 RTMS 侧挂可同时检测 8 个车道的车流量、道路占有率和车速。 微波车辆检测器（ RTMS）的测量方式在车型单一，车流稳定，车速分布均匀的 道路上准确度较高，但是在车流拥堵以及大型车较多、车型分布不均匀的路段，由于遮挡，测量精度会受到比较大的影响。 另外，微波检测器要求离最近车道有 3m 的空间，如要检测 8 车道，离最近车道也需要 79m 的距离而且安装高度达到要求。 因此，在桥梁、 基于视频的车辆检测及拥堵系统的设计 3 / 30 立交、高架路的安装会受到限制，安装困难，价格也比较昂贵。 视频检测器 视频车辆检测器是通过视频摄像机作传感器，在视频范围内设置虚拟线圈，即检测区，车辆进入检测区时使背 景灰度值发生变化，从而得知车辆的存在，并以此检测车辆的流量和速度。 检测器可安装在车道的上方和侧面，与传统的交通信息采集技术相比，交通视频检测技术可提供现场的视频图像，可根据需要移动检测线圈，有着直观可靠，安装调试维护方便，价格便宜等优点，缺点是容易受恶劣天气、灯光、阴影等环境因素的影响， 汽车的动态阴影也会带来干扰。 综合来说，从所获得的信息量角度，视频检测器无疑是最佳选择，这是由视频技术本身的特点所决定的。 视频检测器是采用虚拟检测区域用图像处理方式分析交通信息，随着图像处理技术的发展视频检测成为了一种成熟的技术，逐步达到了类似人眼的 “所见即所得 ”的效果。 而 使用线圈检测器则需要不停的封路、施工、再封路、再施工。 而视频检测器所具有的大区域检测、安装方便、后期维护量少必将取代目前市场占有率最大的线圈检测器和超声波检测器成为交通信息采集检测器的主流。 国内外研究现状 图像传输技术的研究现状 20 世纪 90 年代以来，根据不同的应用需要， ISO / IEC 和 ITUT 采用相似的压缩编码技术分别制定了 M PEGx 和 H. 26x 系列视频压缩标准 .近年来，我国也开发了具有自主知识产权的数字音视频编解码技术标准，这些标准推动了视频传输技术的实用化和产业化。 背景更新算法的研究现 状 在背景图像更新的研究过程中近年来国内外出现了一些切实有效的方法。 Friedman及其小组将图像中的每个像素点看作是由道路、车辆、阴影三种模型权重之和组成其中三种模型又可以由概率函数逼近这样就可以对图像中每个像素点建立一个概率模型并且每个像素点的模型都不一样。 建好模型之后可以通过先验知识得到权重系数。 利用模型可以重建背景图像且可以利用经过模型处理后的实时图像对背景图像进行更新。 Gupte 和其同事提出了自适应背景更新方法其基本原则是利用当前图像修正背景图像 基于视频的车辆检测及拥堵系统的设计 4 / 30 (当前背景 )以便和当前帧视频图像的背景更近似。 在背景 更新过程中首先通过二位掩模将当前视频图像中的前景 (车辆、行人等 )去除，然后用剩下的背景像素 (瞬时背景 )与前一帧图像的当前背景加权平均得到当前背景。 Chengcui Zhang 等人提出在某时间段内背景更新的方法即对每个像素在时间段内的灰度值用直方图进行统计、分析得到该点的背景灰度值然后拼接各点得到背景图像，作者还提出当图像中出现停车现象时不必对停车处背景进行更新只要车辆移动隐藏的背景会自动出现 .然后进行背景更新。 流量统计算法的研究现状 目前，发达国家在视频交通流量统计系统的研究方面发展迅速，己经取得较大的进展，交通流量统计的研究在道路交通中己经得到了成熟的应用。 在我国，起初计算机视频检测技术的研究基础比较薄弱，尤其是视频处理的关键技术，比如模式识别、计算机视觉的研究、数字图像处理比国外落后 很多。 随着我国科技实力的不断增强，计算机视觉等相关技术的长足进步给计算机视频检测技术的研究和应用提供了强有力的技术支持。 城市基础道路的建设也给这方面的研究提供了实际的应用需求。 现在，己经有不少公司做出了产品。 另外，国内的一些高校在这方面也做了深入的研究。 本文研究的主要内容 近年来，随着社会经济的快速发展，国内许多公路（特别是京珠高速公路）的车流量与日俱增，引发了越来越多的交通事故和道路拥堵，造成了巨大的财产损失和人员伤亡。 因此，交通信息检测系统被广泛应用于交通运输生产实践中，检测的内容包括每个车道所通过的车流量、车辆平均速度和瞬时速度、车型分类、平均车距、道路占有率等信息，对于交通运行效率和安全有着非常重要的应用价值。 本课题以交通信息检测为研究背景，通过分析高速公路的视频图像，获取车辆目标（运动目标）及车辆的速度，主要内容包括： （ 1）通过分析视频图像序 列建立交通场景的背景； （ 2）在背景建模的基础上，实时提取运动目标； （ 3）建立交通视频图像中的像素坐标与路面世界坐标系的映射关系； （ 4）计算拥堵的车辆排队长度的计算。 论文的结构安排 本论文共分五章，各章的主要内容如下 : 基于视频的车辆检测及拥堵系统的设计 5 / 30 第一章为绪论，简要介绍论文的研究背景、车辆检测算法和产品的在国内外的发展现状及应用前景，明确本论文研究的主要内容，安排论文章节。 第二章详细介绍了 道路背景提取的一些方法，以及基于混合高斯建模的背景分离出运动车辆与背景的过程。 第三章介绍 对提取出来的前景图像进行进一步的处理，滤除噪声，使得前景图像更贴近于实际物体。 第四章 讲述了对交通道路上车流量检测方案验证。 第五章是论文的结束部分。 对本论文的研究工作进行了总结，并对今后在该领域里进一步的理论研究工作进行了展望。 基于视频的车辆检测及拥堵系统的设计 6 / 30 道路背景的提取 运动目标背景提取方法概述 在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到运动物体检测的目的。 对于运动物体的识别检测 ,以及背景提取的算法 ,目前大致可以分类为三种 ： 第一种是基于图像帧与帧之间的差值算法 ,第二种是背景减去法 ,第三种 则 是背景模型 建立 法。 基于图像帧与帧之间的差值算法 是最为简便的一种方法，通过对视频图像序列中相邻两帧做差分运算来获得运动目标轮廓，但是在提取目标时候的效果并不理想。 背景减去法 是首先 获取场景的一帧的参考图像 然后将 实时拍摄的一帧新图像与之相减 再 对差图像取阈值得到一副从固定背景中分割出来的二值化图像。 背景减去法对于静止场景中可以很好的提取出目标的轮廓，但是对于目标突然运动时往往会出现检测出错，而且当背景图像估计的不精确的时候也会 对目标检测带来重大的麻烦。 背景模型法能够很好的实现对背景的估计。 高斯模型的介绍 高斯模型就是 利 用高斯概 率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干个 基于高斯概率密度函数（正态分布曲线）形成的 数学 模型。 对图像背景建立高斯模型的原理及过程 可以理解为：由于 图像灰度直方图反映的是图像中某个灰度值出现的 频率 ，也可以 认 为是 对 图像灰度概率密度的估计。 如果图像所包含的目标区域和背景区域相差比较大， 而 且背景区域和目标区域在灰度上 具 有一定的差异，那么该图像的灰度直方图 就会 呈现 出 双峰 谷形状，其中一个峰对 应于目标，另一个峰对应于背景的中心灰度。 在智能监控系统中，对于运动目标的检测是 核心 内容，而在 对 运动 的目标 的 检测 中 提取 目标 背景 ， 对于目标的识别和跟踪至关重要。 建模正是 对于 背景目标提取的一个重要 的有效的 环节。