基于视频的车辆检测系统论文

摘要

当今科技飞速发展，带来了智能交通的空前发达，也为经济可持续发展做出一定贡献。交通运输在一个国家的经济社会发展中起着助推器的作用。交通运输的监控与管理智能化也变得尤为重要。基于视频的车辆检测作为智能交通系统的基石，具有直观性、大范围检测、安装和维护方便等优势，成为采集交通信息技术的有力工具。因而视频车辆检测研究具有非常重要的意义。

本论文首先介绍了图像检测的研究背景以及发展情况，然后重点介绍了本论文中进行车辆检测的技术和方法。该方法先对图像进行灰度值化处理，中值滤波处理及二值化处理，然后利用车辆移动的特点进行检测，最后将移动中的车辆进行加框标记。实验结果表明, 本程序设计能够在一定的误差范围内实现对移动车辆进行检测。且效果良好。

本文视频车辆检测系统是采用图像处理的方法进行设计，本研究有着一定的现实意义。

关键词：智能交通；车辆检测；图像处理；MATLAB

Abstract

Today, science and technology develop quickly. And it make Intelligent Transportation System was more developed. It has also made a certain contribution for the sustainable development of economy. Transportation plays the role of booster in economic and social development of a country. It is important that make monitoring and management of transportation to be more intelligence. Vehicle Detection System that bases on the video is footstone of Intelligent Transportation System. It can watch easily. It can do a large-scale detection. And its installation and maintenance is convenient. It will be a helpful tool of collecting the information of traffic. So it has an important meaning for researching the detection of vehicles.

This dissertation introduces the background of the research and the development of the situation. Than introduces the technology and method of Vehicle Detection System detailed. The method is to make the image gray processing, median processing and binary image processing at the first. Using the characteristics of vehicle moving detects vehicles at the second. Finally, sign frames on vehicles. The experimental results show that the program can detect the moving vehicles within a certain range of error and has good result.

This Vehicle Detection System that bases on the video designed with the technology of image processing. It is of practical significance in this research.

Key words:intelligent transportation; vehicle detection; image processing; MATLAB

目录

摘要.............................................................................................................................................. I Abstract .......................................................................................................................................... II 目录........................................................................................................................................... III 1 绪论 (1)

1.1 课题背景与意义 (1)

1.2 国内发展概况 (1)

1.3 视频车辆检测系统概述 (2)

1.4 图像处理概述 (3)

1.5 本课题工作与结构安排 (3)

1.6 开发工具及运行环境 (4)

2 软件介绍 (5)

2.1 MATLAB 概况 (5)

2.2 MATLAB的语言特点 (6)

2.3 基本运算与函数 (7)

3 基于视频的车辆检测方法 (15)

3.1 基于视频的车辆检测方法 (15)

3.1.1 基于帧间差分的方法 (15)

3.1.2 基于光流场的方法 (15)

3.1.3 基于背景差的方法 (16)

3.2 车辆阴影分割技术 (16)

4 车辆目标的图像处理方法 (17)

4.1 彩色图像灰度化 (17)

4.2 图像分割 (19)

4.2.1 阈值分割方法 (19)

4.2.2 最大方差自动取阈值（自适应二值化） (19)

4.2.3 基于边缘检测的图像分割 (22)

4.3 基于数学形态学分析 (24)

4.3.1 图像形态学处理 (24)

4.3.2 实验结果比较 (26)

4.4 图像填充 (27)

5 基于帧间差分法的车辆检测盒计数方法 (29)

5.1 帧间差分法 (29)

5.2 二值化 (29)

5.3 形态学滤波 (30)

5.4 系统流程图 (31)

5.5 分析目标物体和计数 (32)

6 结论与展望 (35)

6.1 结论 (35)

6.2 不足之处与对未来的展望 (35)

致谢 (37)

参考文献 (38)

附录 (39)

1 绪论

1.1 课题背景与意义

当今科技飞速发展，带来了智能交通的空前发达，也为经济可持续发展做出一定贡献。交通运输在一个国家的经济社会发展中起着助推器的作用。随着交通运输业的高速发展，交通堵塞、事故等等负面效应也日益突出，并越发成为全球性共同问题。针对日益严重交通需求，有限的资源和日益恶化的环境，需要依靠新的办法来控制交通需求。智能交通系统正在这样的矛盾中应运而生。智能交通系统（ITS），随着信息技术、计算机技术、数据通信传输技术、模式识别技术、图像处理技术等学科的迅猛发展，得到了日益广泛的应用，极大提高了交通管理的智能化、科学化、规范化水平。特别是计算机视觉技术的发展为提高交通系统智能化程度，提供了有效手段。要从根本上解决这些问题，必定要实现交通运输系统的智能化，使交通运行处于最佳状态，改善交通堵塞，提高运输能力和整个交通系统的机动性、安全性和效率。智能交通系统是目前交通领域的重要研究课题之一。

实时动态的交通信息是实现交通智能化的关键所在。作为交通流基本参数之一，实时计数也具有基本的交通流特性，它的采集手段很多，目前比较成熟的有磁性检测、电磁波检测等。而在道路实时行车流的采集和应用处理是ITS各有关项目如：城市公共交通智能化调度系统、自动驾驶系统、物流管理系统实施的基础数据和重要前提之一。目前有关实时车流信息采集、维护以及处理的研究有了很大发展。

计算机和电子信息技术的高速发展，使得数据处理加工能力逐步增强，为图像处理、计算机视觉和模式识别技术应用于智能交通信息采集提供了强有力的保障。该系统通过摄像机对交通信息流进行摄像，利用图像处理和模式识别技术对连续的交通信息流进行处理，以此达到监测交通信息流的目的。同时，现场的交通视频信号也能够为电视监控共用。近年来，该系统得到快速发展，作为一种检测手段，视频检测技术所提供的丰富交通信息，以及所具有的各种优点，都是其他方法难以比拟的。

本文是基于视频图像处理的车辆信息处理系统，重点研究实时车辆检测以及车辆计数涉及到的相关内容和算法，其目的是提高交通管理的自动化、现代化水平。其中所有的数字图像处理都通过MATLAB仿真实现，通过本文的研究也以后相关开发应用积累经验。

1.2 国内发展概况

目前，国外一些发达国家的摄像机以及图像采集卡都处于先进水平，在视频运动检测和图像处理方面的技术也比较成熟，从而开发出的汽车检测系统也会具有相当高的性能。而国内与其比较还有相当大的差距，国内对智能的车辆检测系统的研究起步比较晚。车辆检测系统也是从国外引进，通过学习外国的技术与国内自身的交通情况以及车辆特点相结合起来开发的产品。

国内车辆检测按照时间与技术的发展过程可分为以下4个：

（1）普通照相机式

在80年代这种由普通张相机和车辆感应线圈结合的方式使用的普遍。这种组合方式简单，投资少，抓拍图片分辨率高，但缺点是需要每天人工更换胶卷进行冲洗，且白天宇夜晚需要使用不同的胶卷，费用较高。用于夜间拍摄的补光闪光灯也不易维护。

（2）数字照相机

在90年代这种使用数码相机与车感线圈的组合用的相对普遍。这是对第一种方式的改进，它可以直接将抓拍下的图片数字化后存储在闪存卡上，或者通过通信接口存入计算机中。这种方式可以拍摄出高分辨率的照片同时又省去了人工更换胶卷冲洗的麻烦，但在维护方面仍然存在艰难的问题。

（3）视频感应线圈式

在90年代后期至2000年早期这种由工业摄像机与感应线圈与工业控制计算机构成的系统使用的比较多。它首先通过感应线圈来检测车辆，接着使用工业控制计算机来控制工业摄像机抓拍车辆照片保存到计算机中。和以上2种方式相比，这种方式使得人工量与工作量大大的减少，但仍使用感应线圈，所以在维护方面还是比较麻烦。

（4）视频检查式

在2000年以后至今这种由工业摄像机与工业控制计算机构成的方式使用的普遍。它不需要使用感应线圈检测车辆，而是由计算机对监视区域的实时的图像进行分析处理，从而判断是否有车辆违章。它可以把工业控制计算机抓拍到的图像数字化后直接存入硬盘中，再通过电话线传送到相关部门，无需人工操作。这种方式采用的超级动态调整低照度摄像机利用路灯、车牌灯和追尾灯就可以进行有效的抓拍且不需要安装闪光灯，不仅抓拍速度大大提高，在存储量自动化方面也有着巨大的优势，应用范围广。

基于视频的车辆检测系统不需要物理检测线圈，采用虚拟线圈来代替。采用基于图像的车辆运动检测算法来检测车辆运动。这种方法不需要人工更换胶卷冲洗照片，也不需要挖开路面，维护方便。可以说基于视频的汽车检测系统将被普遍使用，是今后发展的方向。

1.3 视频车辆检测系统概述

通过对道路交通信息和交通目标的各种动态行为（如停车、违章超速、超车等等）的实时监测，实现自动统计各交通路段上行驶的车数量、计算行驶车速度，识别分类行驶车辆等各种交通参数，达到监测交通道路状况的作用。同时，将监测和识别的交通状况信息存储下来，为分析和管理交通提供依据，因此它可视为一个交通信息的管理系统。

利用摄像机将交通流图像捕捉下来，然后将这些捕捉到的视频图像传到计算机进行图像处理、分析和理解，得到交通流数据与交通路况等信息。

将摄像机安装在合适的位置，一般高度为5-20米。若道路口有龙门架、隧道、过街桥、红绿灯杆可直接安装，不需再安装杆。摄像机一般为工业用黑白或彩色CCD芯片型，拥有300线上的清晰度，通常安装于室外防护罩中。目前众多城市都架设有电子警察系统，可以利用CCD摄像机把两者合二为一，降低了成本；将摄像机捕捉的视频送入视频车检器上。在检测器的视频画面上标记监测区域，这种用软件方法设置监测区域提高了系统的通用性和灵活性，使它可以使用各种交通路口；对捕捉的视频运用一定的图像分析处理算法进行处理，提取相关的交通参数。把视频图像进行压缩，通过通信线路或无线把交通参

数和压缩后的图像传到远端控制中心，供操作人员使用。

1.4 图像处理概述

视频车辆检测系统是一种利用图像处理和模式识别技术实现对交通目标检测和识别的计算机处理系统。

“图”是物体投射或反射光的分布，“像”是人视觉系统对图的接受在大脑中形成的印象或反映，是主观和客观的结合。图像处理即是对图像进行加工处理，从而达到人类的视觉心理和应用的要求。

人类获取外界信息有多种方法，包括视觉、听觉、触觉、嗅觉、味觉等。但绝大部分是来自我们视觉所看到的图像信息，即所谓“百闻不如一见”。图像的范围非常广泛，包括：各类图片，如普通照片、X光片、遥感图片；各类光学图像，如电影、电视等；人们心目中的有形影像以及外部描述，如绘图、绘画等。

数字影像是将照片或录像等模拟信号经抽样和数字化后形成。因为便于计算机运算与储存。所储存的亮点即为图像的基本单位，成为像素。像素的亮度是灰度值，灰度值被划分为256等级，最暗为0，最亮为255.一张图像被数字化成方格所组成的像素，每一格标有一对坐标，一个表示行值，另一则表示列值。行值从影像的最左边开始标记自0一直到n,n表示行值中最大值。相同的，列值从最上方起定位0，自下移动至m值，m表示图形全部列数。

数字图像处理目的就是对图像的强度分布视为一连串整数值的集合，使用数字计算机对图像进行某些特定的加工和分析。数字图像处理涵盖范围非常广泛，但是，所采用的原理与方法基本一致。整体来说，主要内容包括图像的增强与复原、图像编码与压缩、图像切割、图像识别、图像特征匹配等等。

图像分割是将图像中的目标物解析出的过程。图像分割是图像的分析过程中最为重要的步骤之一，通常所采用的方法主要为边缘的检测及临界值法。

图像特征匹配，特征匹配法的“特征”，需先加以定义。所谓匹配，即将目标特征与存在计算机中之样本特征加以比较，若相似度或非相似度小于或大于某预设的门限值，则匹配成功。

特征匹配目的是对具有相同或类似特征的物体进行关联，便于辨认或分类。就交通方面而言，特征匹配用来区别不同的交通工具。举例而言，若图像中某物体长度4米，宽2米，形状呈矩形，该物体极有可能被分类为小汽车；若长为10米，宽2.5米的矩形，则可被分类为大型车。

1.5 本课题工作与结构安排

本文主要就视频车辆检测技术进行概述。全文共分四章，结构安排如下：

第一章主要介绍了课题研究背景及意义，重点阐述了视频车辆检测技术的研究现状，视频车辆检测系统概述以及图像处理基础基础知识。

第二章软件介绍

第三章介绍了基于视频的车辆检测方法，主要有帧间法，光流法以及背景差方法。

第四章介绍了基于车辆目标的图像处理方法，用MATLAB仿真实现了图像的图像分割和数学形态学相关理论实验结果。

第五章提出了基于帧间差分法的车辆目标检测和计数的系统，并给出了MATLAB仿真结果，验证了此方法的有效性。

1.6 开发工具及运行环境

合理选取开发工具，不仅会对系统的研究与开发产生重大影响，而且还有可能大幅度降低开发成本，并提高系统的稳定性和可维护性。视频车辆检测系统的开发属于一个较为复杂的图像处理程序。换句话讲就是该功能对稳定性、可维护性有极为严格的要求，为此，本文决定选取MATLAB作为开发工具。软件环境：XP/WIN7。

2 软件介绍

2.1 MATLAB 概况

本次设计是基于MATLAB来实现的图像预处理和边缘检测，所以在本节对MATLAB 的一些基本知识进行介绍。

MATLAB的名字由MATrix和LABoratiry两个词的前3个字母组合而成，是由MathWorks公司于1982推出的一套高性能的可视化数值计算软件。它的典型应用包括如下方面：数学和计算，数据获取，算法开发，原型设计、建模和模拟，数据研究、分析和可视化，科学和工程图形，应用开发。MATLAB是一种交互式系统，其基本数据元素是并不要求确定维数的一个数组，这就允许人们用公式化方法求解许多技术计算问题，特别是涉及矩阵表示的问题。因此在矩阵运算和数值计算等方面MATLAB非常直观、简洁，且效率高，因而它在科学与工程计算方面的优势是显而易见的。

MATLAB有三大特点：一是功能强大（数值计算和符号计算、计算结果和编程的可视化、数学和文字统一处理、离线和在线计算）；二是界面友好、语言自然（以复数矩阵为计算单元，语句表达与标准教科书的数学表达式相近）；三是开放性强（仅MathWorks公司本身就推出了30多个应用工具箱）。MATLAB的这些特点使它获得了对应用学科的极强适应力，并很快成为应用学科计算机辅助分析、设计、仿真、教学以及科技文字处理不可缺少的基础软件。现有的MATLAB工具箱主要有信号处理、控制系统、图像处理、鲁棒控制、非线性系统控制设计、系统辨识、最优化、弘分析和综合、模糊逻辑、小波、样条、通信、统计等工具箱，而且其种类和数量还在不断增加。这些工具箱给各个领域的研究和工程应用提供了有力的工具，借助于这些工具，研究人员可直观、方便地进行分析、计算及设计工作，从而大大节省了时间。

MATLAB在图像处理领域应用广泛。MATLAB的图像处理工具包是由一系列支持图像处理操作的函数组成的。所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换（DCT变换等）、图像分析和统计、二值图像操作等。下面就MATLAB 在图像处理中各方面的应用分别进行介绍。

图像文件格式的读写和显示。MATLAB 提供了图像文件读入函数imread（），用来读取如:bmp、tif、tiffpcx 、jpg 、gpeg 、hdf、xwd等格式图像文件；图像写出函数imwrite （），还有图像显示函数image（）、imshow（）等等。

图像处理的基本运算。MATLAB 提供了图像的和、差等线性运算，以及卷积、相关、滤波等非线性运算。例如，conv2（I，J）实现了I，J两幅图像的卷积。

图像变换。MATLAB 提供了一维和二维离散傅立叶变换（DFT）、快速傅立叶变换（FFT）、离散余弦变换（DCT）及其反变换函数，以及连续小波变换（CWT）、离散小波变换（DWT）及其反变换。

图像的分析和增强。针对图像的统计计算，MATLAB 提供了校正、直方图均衡、中

值滤波、对比度调整、均值滤波等对图像进行处理。

以上所提到的MATLAB在图像中的应用都是由相应的MATLAB函数来实现的，使用时，只需按照函数的调用语法正确输入参数即可。具体的用法可参考MATLAB丰富的帮助文档。图像边缘对图像识别和计算机分析十分有用，在MATLAB中，函数edge（）用于灰度图像边缘的提取，它支持六种不同的边缘提取方法，即Sobel方法、Prewitt 方法、Robert 方法，Laplacian方法、和Canny方法。

2.2 MATLAB的语言特点

一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB最突出的特点就是简洁。MATLAB用更直观的，符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观，最简洁的程序开发环境。以下简单介绍一下MATLAB 的主要特点。

语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用起丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。

具有FORTRAN和C等高级语言知识的读者可能已经注意到，如果用FORTRAN或C 语言去编写程序，尤其当涉及矩阵运算和画图时，编程会很麻烦。例如，如果用户想求解一个线性代数方程，就得编写一个程序块读入数据，然后再使用一种求解线性方程的算法（例如追赶法）编写一个程序块来求解方程，最后再输出计算结果。在求解过程中，最麻烦的要算第二部分。解线性方程的麻烦在于要对矩阵的元素作循环，选择稳定的算法以及代码的调试动不容易。即使有部分源代码，用户也会感到麻烦，且不能保证运算的稳定性。解线性方程的程序用FORTRAN和C这样的高级语言编写，至少需要四百多行，调试这种几百行的计算程序可以说很困难。以下用MATLAB编写以上两个小程序的具体过程。

MATLAB求解下列方程，并求解矩阵A的特征值。

Ax=b,其中：

A= 32 13 45 67

23 79 85 12

43 23 54 65

98 34 71 35