基于視頻的車輛檢測及擁堵預(yù)警系統(tǒng)的設(shè)計(jì)畢業(yè)設(shè)計(jì)(編輯修改稿)

　

【文章內(nèi)容簡介】 .............................. 21 5 總結(jié)與展望 ....................................................................................................................... 22 總結(jié) ............................................................................................................................. 22 展望 ............................................................................................................................. 23 6 參考文獻(xiàn) ........................................................................................................................... 24 7 致謝 ................................................................................................................................... 25 附錄 基于混合高斯模型的背景提取與更新程序 ................................................................ 26 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 1 / 30 1 緒論 課題背景及研究意義 近幾十年來，世界工業(yè)技術(shù)得到了突飛猛進(jìn)的發(fā)展，各國汽車數(shù)量增長迅猛。根據(jù)來自公安部交通管理局的消息，目前我國機(jī)動車保有量已達(dá) 1. 99 億輛，其中汽車 8500多萬輛。汽車數(shù)量的迅速增加造成交通擁擠嚴(yán)重、交通事故頻發(fā)、交通環(huán)境的惡化，給我國城市道路交通問題提出了嚴(yán)峻考驗(yàn)。 在我國 隨著 國民經(jīng)濟(jì)高速發(fā)展和城市化進(jìn)程的加快，機(jī)動車擁有量及道路交通量急劇增加。尤其是大城市，交通擁擠堵塞以及由此導(dǎo)致的一系列交通事故越趨頻繁，環(huán)境污染加劇，是我國城市面臨的極其嚴(yán)重的“城市病”之一，而且它已經(jīng)演變成了制約國民經(jīng)濟(jì)發(fā)展的瓶頸問題。 解決交通問題的傳統(tǒng)方法是修建拓寬道路，架設(shè)地下軌道，但對于有限的城市區(qū)域來說，可供修建道路的空間越來越少。 我國在大力進(jìn)行道路基礎(chǔ)設(shè)施建設(shè)的同時，也認(rèn)識 到如果單純依靠道路設(shè)施建設(shè)，難以達(dá)到解決日益嚴(yán)重的交通問題， 此外，交通系統(tǒng)是一個復(fù)雜的大系統(tǒng)，單獨(dú)從車輛方面或道路方面考慮，都很難完善的解決交通問題。必須依靠高科技來進(jìn)行有效的交通管理，才有可能從根本上解決交通阻塞問題。 在此把道路和車輛綜合起來的解決交通問你的智能交通系統(tǒng)油然而生。 基于視頻的車輛檢測及擁堵預(yù)警系統(tǒng)加強(qiáng)了對道路交通系統(tǒng)的智能化監(jiān)控，使交通出行整體對能源的需求減少，進(jìn)而減少了對環(huán)境的污染。系統(tǒng)的實(shí)施可減少車輛的速度變化頻率和停車次數(shù)，降低了城市噪音，路網(wǎng)的利用率大大提升，使道路更加順暢，從而也降低了交通事故的發(fā)生頻率。 通過對車輛擁堵情況的預(yù)警可以引導(dǎo)交通運(yùn)輸向合理的模式轉(zhuǎn)變，提高商業(yè)車輛的運(yùn)行效率，提高運(yùn)輸企業(yè)的生產(chǎn)效率，改進(jìn)服務(wù)質(zhì)量，降低成本，從而大幅度提高交通運(yùn)輸企業(yè)的經(jīng)濟(jì)效益。 交通車輛檢測器的概述 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 2 / 30 環(huán)形線圈檢測器 環(huán)形線圈檢測器是傳統(tǒng)的交通檢測器 又被稱做地感，一 般為一種埋設(shè)式的檢測系統(tǒng) ，是目前世界上用量最大 最多 的一種檢測設(shè)備。車輛通過埋設(shè)在路面下的環(huán)形線圈 時 ，引起線圈磁場的變化，檢測器據(jù)此計(jì)算出車輛的流量、速度、時間占有率和長度等 等，一些 交通參數(shù)，并上傳給中央控制系統(tǒng)，以滿足交通控制系統(tǒng)的需要。此種方法技術(shù)成熟，易于掌握，并有成本較低的優(yōu)點(diǎn)。 這種方法也有以下缺點(diǎn)： a. 線圈在安裝或維護(hù)時必須直接埋入車道，這樣交通會暫時受到阻礙。 b. 埋置線圈的切縫軟化了路面，容易使路面受損，尤其是在有信號控制的十字路口，車輛啟動或者制動時損壞可能會更加嚴(yán)重。 c. 感應(yīng)線 圈易受冰凍、路基下沉、鹽堿等自然環(huán)境的影響。 d. 感應(yīng)線圈由于自身的測量原理所限制，當(dāng)車流擁堵，車間距小于 3m的時候，其檢測精度大幅度降低，甚至無法檢測。 波頻檢測器 波頻車輛檢測器是以微波、超聲波和紅外線等對車輛發(fā)射電磁波產(chǎn)生感應(yīng)的檢測器，這里主要介紹 微波車輛檢測器 （ RTMS），它是一種價格低、性能優(yōu)越的交通檢測器，可廣泛應(yīng)用于城市道路和高速公路的交通信息檢測。 微波車輛檢測器（ RTMS）的工作方式是：采用側(cè)掛式，在扇形區(qū)域內(nèi)發(fā)射連續(xù)的低功率調(diào)制微波，并在路面上留下一條長長的投影。 RTMS 以 2 米為一 “層 ”，將投影分割為 32 層。用戶可將檢測區(qū)域定義為一層或多層。 RTMS 根據(jù)被檢測目標(biāo)返回的回波，測算出目標(biāo)的交通信息，每隔一段時間通過 RS 232 向控制中心發(fā)送。它的車速檢測原理是：根據(jù)特定區(qū)域的所有車型假定一個固定的車長，通過感應(yīng)投影區(qū)域內(nèi)的車輛的進(jìn)入與離開經(jīng)歷的時間來計(jì)算車速。一臺 RTMS 側(cè)掛可同時檢測 8 個車道的車流量、道路占有率和車速。 微波車輛檢測器（ RTMS）的測量方式在車型單一，車流穩(wěn)定，車速分布均勻的 道路上準(zhǔn)確度較高，但是在車流擁堵以及大型車較多、車型分布不均勻的路段，由于遮擋，測量精度會受到比較大的影響。另外，微波檢測器要求離最近車道有 3m 的空間，如要檢測 8 車道，離最近車道也需要 79m 的距離而且安裝高度達(dá)到要求。因此，在橋梁、 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 3 / 30 立交、高架路的安裝會受到限制，安裝困難，價格也比較昂貴。 視頻檢測器 視頻車輛檢測器是通過視頻攝像機(jī)作傳感器，在視頻范圍內(nèi)設(shè)置虛擬線圈，即檢測區(qū)，車輛進(jìn)入檢測區(qū)時使背 景灰度值發(fā)生變化，從而得知車輛的存在，并以此檢測車輛的流量和速度。檢測器可安裝在車道的上方和側(cè)面，與傳統(tǒng)的交通信息采集技術(shù)相比，交通視頻檢測技術(shù)可提供現(xiàn)場的視頻圖像，可根據(jù)需要移動檢測線圈，有著直觀可靠，安裝調(diào)試維護(hù)方便，價格便宜等優(yōu)點(diǎn)，缺點(diǎn)是容易受惡劣天氣、燈光、陰影等環(huán)境因素的影響， 汽車的動態(tài)陰影也會帶來干擾。綜合來說，從所獲得的信息量角度，視頻檢測器無疑是最佳選擇，這是由視頻技術(shù)本身的特點(diǎn)所決定的。視頻檢測器是采用虛擬檢測區(qū)域用圖像處理方式分析交通信息，隨著圖像處理技術(shù)的發(fā)展視頻檢測成為了一種成熟的技術(shù)，逐步達(dá)到了類似人眼的 “所見即所得 ”的效果。而 使用線圈檢測器則需要不停的封路、施工、再封路、再施工。而視頻檢測器所具有的大區(qū)域檢測、安裝方便、后期維護(hù)量少必將取代目前市場占有率最大的線圈檢測器和超聲波檢測器成為交通信息采集檢測器的主流。 國內(nèi)外研究現(xiàn)狀 圖像傳輸技術(shù)的研究現(xiàn)狀 20 世紀(jì) 90 年代以來，根據(jù)不同的應(yīng)用需要， ISO / IEC 和 ITUT 采用相似的壓縮編碼技術(shù)分別制定了 M PEGx 和 H. 26x 系列視頻壓縮標(biāo)準(zhǔn) .近年來，我國也開發(fā)了具有自主知識產(chǎn)權(quán)的數(shù)字音視頻編解碼技術(shù)標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)推動了視頻傳輸技術(shù)的實(shí)用化和產(chǎn)業(yè)化 。 背景更新算法的研究現(xiàn) 狀 在背景圖像更新的研究過程中近年來國內(nèi)外出現(xiàn)了一些切實(shí)有效的方法。 Friedman及其小組將圖像中的每個像素點(diǎn)看作是由道路、車輛、陰影三種模型權(quán)重之和組成其中三種模型又可以由概率函數(shù)逼近這樣就可以對圖像中每個像素點(diǎn)建立一個概率模型并且每個像素點(diǎn)的模型都不一樣。建好模型之后可以通過先驗(yàn)知識得到權(quán)重系數(shù)。利用模型可以重建背景圖像且可以利用經(jīng)過模型處理后的實(shí)時圖像對背景圖像進(jìn)行更新。Gupte 和其同事提出了自適應(yīng)背景更新方法其基本原則是利用當(dāng)前圖像修正背景圖像 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 4 / 30 (當(dāng)前背景 )以便和當(dāng)前幀視頻圖像的背景更近似。在背景 更新過程中首先通過二位掩模將當(dāng)前視頻圖像中的前景 (車輛、行人等 )去除，然后用剩下的背景像素 (瞬時背景 )與前一幀圖像的當(dāng)前背景加權(quán)平均得到當(dāng)前背景。 Chengcui Zhang 等人提出在某時間段內(nèi)背景更新的方法即對每個像素在時間段內(nèi)的灰度值用直方圖進(jìn)行統(tǒng)計(jì)、分析得到該點(diǎn)的背景灰度值然后拼接各點(diǎn)得到背景圖像，作者還提出當(dāng)圖像中出現(xiàn)停車現(xiàn)象時不必對停車處背景進(jìn)行更新只要車輛移動隱藏的背景會自動出現(xiàn) .然后進(jìn)行背景更新。 流量統(tǒng)計(jì)算法的研究現(xiàn)狀 目前，發(fā)達(dá)國家在視頻交通流量統(tǒng)計(jì)系統(tǒng)的研究方面發(fā)展迅速，己經(jīng)取得較大的進(jìn)展，交通流量統(tǒng)計(jì)的研究在道路交通中己經(jīng)得到了成熟的應(yīng)用。在我國，起初計(jì)算機(jī)視頻檢測技術(shù)的研究基礎(chǔ)比較薄弱，尤其是視頻處理的關(guān)鍵技術(shù)，比如模式識別、計(jì)算機(jī)視覺的研究、數(shù)字圖像處理比國外落后 很多 。隨著我國科技實(shí)力的不斷增強(qiáng)，計(jì)算機(jī)視覺等相關(guān)技術(shù)的長足進(jìn)步給計(jì)算機(jī)視頻檢測技術(shù)的研究和應(yīng)用提供了強(qiáng)有力的技術(shù)支持。城市基礎(chǔ)道路的建設(shè)也給這方面的研究提供了實(shí)際的應(yīng)用需求。現(xiàn)在，己經(jīng)有不少公司做出了產(chǎn)品。另外，國內(nèi)的一些高校在這方面也做了深入的研究。 本文研究的主要內(nèi)容 近年來，隨著社會經(jīng)濟(jì)的快速發(fā)展，國內(nèi)許多公路（特別是京珠高速公路）的車流量與日俱增，引發(fā)了越來越多的交通事故和道路擁堵，造成了巨大的財(cái)產(chǎn)損失和人員傷亡。因此，交通信息檢測系統(tǒng)被廣泛應(yīng)用于交通運(yùn)輸生產(chǎn)實(shí)踐中，檢測的內(nèi)容包括每個車道所通過的車流量、車輛平均速度和瞬時速度、車型分類、平均車距、道路占有率等信息，對于交通運(yùn)行效率和安全有著非常重要的應(yīng)用價值。本課題以交通信息檢測為研究背景，通過分析高速公路的視頻圖像，獲取車輛目標(biāo)（運(yùn)動目標(biāo)）及車輛的速度，主要內(nèi)容包括： （ 1）通過分析視頻圖像序 列建立交通場景的背景； （ 2）在背景建模的基礎(chǔ)上，實(shí)時提取運(yùn)動目標(biāo)； （ 3）建立交通視頻圖像中的像素坐標(biāo)與路面世界坐標(biāo)系的映射關(guān)系； （ 4）計(jì)算擁堵的車輛排隊(duì)長度的計(jì)算。 論文的結(jié)構(gòu)安排 本論文共分五章，各章的主要內(nèi)容如下 : 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 5 / 30 第一章為緒論，簡要介紹論文的研究背景、車輛檢測算法和產(chǎn)品的在國內(nèi)外的發(fā)展現(xiàn)狀及應(yīng)用前景，明確本論文研究的主要內(nèi)容，安排論文章節(jié)。 第二章詳細(xì)介紹了 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離出運(yùn)動車輛與背景的過程 。 第三章介紹 對提取出來的前景圖像進(jìn)行進(jìn)一步的處理，濾除噪聲，使得前景圖像更貼近于實(shí)際物體 。 第四章 講述了對交通道路上車流量檢測方案驗(yàn)證 。 第五章是論文的結(jié)束部分。對本論文的研究工作進(jìn)行了總結(jié)，并對今后在該領(lǐng)域里進(jìn)一步的理論研究工作進(jìn)行了展望。 基于視頻的車輛檢測及擁堵系統(tǒng)的設(shè)計(jì) 6 / 30 道路背景的提取 運(yùn)動目標(biāo)背景提取方法概述 在攝像機(jī)固定的情況下，背景的變化是緩慢的，而且大都是光照，風(fēng)等等的影響，通過對背景建模，對一幅給定圖像分離前景和背景，一般來說，前景就是運(yùn)動物體，從而達(dá)到運(yùn)動物體檢測的目的。 對于運(yùn)動物體的識別檢測 ,以及背景提取的算法 ,目前大致可以分類為三種 ： 第一種是基于圖像幀與幀之間的差值算法 ,第二種是背景減去法 ,第三種 則 是背景模型 建立 法。基于圖像幀與幀之間的差值算法 是最為簡便的一種方法，通過對視頻圖像序列中相鄰兩幀做差分運(yùn)算來獲得運(yùn)動目標(biāo)輪廓，但是在提取目標(biāo)時候的效果并不理想。 背景減去法 是首先 獲取場景的一幀的參考圖像 然后將 實(shí)時拍攝的一幀新圖像與之相減 再 對差圖像取閾值得到一副從固定背景中分割出來的二值化圖像 。 背景減去法對于靜止場景中可以很好的提取出目標(biāo)的輪廓，但是對于目標(biāo)突然運(yùn)動時往往會出現(xiàn)檢測出錯，而且當(dāng)背景圖像估計(jì)的不精確的時候也會 對目標(biāo)檢測帶來重大的麻煩。背景模型法能夠很好的實(shí)現(xiàn)對背景的估計(jì)。 高斯模型的介紹 高斯模型就是 利 用高斯概 率密度函數(shù)（正態(tài)分布曲線）精確地量化事物，將一個事物分解為若干個 基于高斯概率密度函數(shù)（正態(tài)分布曲線）形成的 數(shù)學(xué) 模型。 對圖像背景建立高斯模型的原理及過程 可以理解為：由于 圖像灰度直方圖反映的是圖像中某個灰度值出現(xiàn)的 頻率 ，也可以 認(rèn) 為是 對 圖像灰度概率密度的估計(jì)。如果圖像所包含的目標(biāo)區(qū)域和背景區(qū)域相差比較大， 而 且背景區(qū)域和目標(biāo)區(qū)域在灰度上 具 有一定的差異，那么該圖像的灰度直方圖 就會 呈現(xiàn) 出 雙峰 谷形狀，其中一個峰對 應(yīng)于目標(biāo)，另一個峰對應(yīng)于背景的中心灰度。在智能監(jiān)控系統(tǒng)中，對于運(yùn)動目標(biāo)的檢測是 核心 內(nèi)容，而在 對 運(yùn)動 的目標(biāo) 的 檢測 中 提取 目標(biāo) 背景 ， 對于目標(biāo)的識別和跟蹤至關(guān)重要。建模正是 對于 背景目標(biāo)提取的一個重要 的有效的 環(huán)節(jié)。