電子科技大學(xué)碩士課題文獻(xiàn)綜述

1、電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜智能交通系統(tǒng)與視頻多目標(biāo)檢測分析技術(shù)文獻(xiàn)綜述彭韜通信與信息工程學(xué)院 2003.、八、-刖言運動目標(biāo)的檢測已成為機器視覺研究的一個焦點問題。運動目標(biāo)在日常生活中是常見的，如行動的動物、行駛的汽車以及自然界中許多其他物體。捕捉和檢測序列圖像中人們感興趣的運動目標(biāo)在交通監(jiān)控、銀行保安、航空和軍用飛機的尋的制導(dǎo)等多種領(lǐng)域有著廣泛的應(yīng)用，因此在序列圖像中多運動目標(biāo)的檢測研究就顯得有著現(xiàn)實的意義。目前已經(jīng)在PC機上對近場景和遠(yuǎn)場景的多運動目標(biāo)圖像序列進(jìn)行了預(yù)研分析，在實時 性、精確性、穩(wěn)定性方面均可以達(dá)到滿意的程度，充分說明在目前技術(shù)路線下該方案的可行性。

2、在前期文獻(xiàn)閱讀與調(diào)查研究工作中，對一些資料和多篇論文進(jìn)行了研讀，內(nèi)容主要涵蓋了數(shù)字圖像處理（圖像分割、識別） ，ITS系統(tǒng)等方面。現(xiàn)代智能化交通系統(tǒng)的發(fā)展趨勢智能化交通系統(tǒng)是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通信傳輸技術(shù)、電子控制技術(shù)以及計算機處理技術(shù)結(jié)合起來，使其有效地綜合運用于交通運輸?shù)姆?wù)、控制和管理的系統(tǒng)。 其目的是使人、車、路以及環(huán)境密切配合，和諧統(tǒng)一，極大地提高綜合交通運輸效率，保障交通安全， 改善環(huán)境質(zhì)量和提高能源利用率。近10年來，交通擁堵、交通事故和環(huán)境污染對社會經(jīng)濟發(fā)展和生活產(chǎn)生了重要的影響。 雖然道路運輸增長的需求可以靠提供更多的道路設(shè)施來滿足，但是在與資源、環(huán)境矛盾日益突出的今天，

3、道路設(shè)施的增長將受到限制，這就需要依靠提供除設(shè)施之外的技術(shù)方法來滿足這一需求，智能化交通系統(tǒng)便是解決這一矛盾的途徑之一。一個智能化的交通系統(tǒng)，包含許多業(yè)務(wù)系統(tǒng)，其功能主要包括通信指揮調(diào)度、交通監(jiān)控、 交通信息管理、信息服務(wù)等。目前國內(nèi)外智能化交通系統(tǒng)技術(shù)水平、現(xiàn)狀及發(fā)展趨勢可以概括為以下幾個方面。1、 交通監(jiān)視中心通過攝像機和CATV網(wǎng)絡(luò)觀察交通要點的交通狀況城市交通監(jiān)視系統(tǒng)目前普遍采用成熟的閉路電視（CATV技術(shù)，對城市重要路口、路段 的交通情況進(jìn)行電視監(jiān)控。近年來，隨著計算機網(wǎng)絡(luò)技術(shù)、視頻圖像處理技術(shù)和光纖通信技 術(shù)的發(fā)展，監(jiān)控系統(tǒng)的技術(shù)結(jié)構(gòu)也隨之發(fā)生變化。其發(fā)展趨勢是監(jiān)視圖像采集由模擬信

4、號向數(shù)字化轉(zhuǎn)變，信號傳輸網(wǎng)絡(luò)由專用模擬視頻傳輸系統(tǒng)向公用網(wǎng)絡(luò)系統(tǒng)轉(zhuǎn)變，監(jiān)視圖像由傳統(tǒng)集中顯示和控制向分散化、網(wǎng)絡(luò)化顯示控制轉(zhuǎn)變。 同時，隨著智能化自動視頻處理技術(shù)的日益成熟，對交通違章、交通事件的檢測將實現(xiàn)智能化、自動化。2、城市交通信號控制系統(tǒng)國外的產(chǎn)品城市交通信號控制系統(tǒng)目前國外的產(chǎn)品主要有： 澳大利亞的PLESSEY控制有限公司和荷 蘭PHIIPS公司的SCATS系統(tǒng)；德國的西門子公司和英國 PEEK交通工程公司的 SCOO系統(tǒng); 日本京三公司的路口信號機；西班牙圣科公司的交通信號控制系統(tǒng)；美國富頓（ Futten ）公 司的麥肯（Mc.Cain）交通控制系統(tǒng)；美國 Eagle交通控制系

5、統(tǒng)公司的 MCNAR系統(tǒng)等。3、交通事故處理系統(tǒng)交通事故接處警和事故處理目前一般采用有線和無線電話進(jìn)行報警，在公安交通指揮中心設(shè)置交通事故接警臺受理報警，然后派警力到現(xiàn)場進(jìn)行處理，并根據(jù)事故情況進(jìn)行調(diào)解和處理。目前計算機化的接處警系統(tǒng)在大中城市已普遍使用。采用計算機輔助接處警可以實現(xiàn)誤報攔截、報警點自動定位、數(shù)字錄音、接處警信息自動記錄、報警信息查詢統(tǒng)計等功能。 對于交通事故的處理目前仍以人工進(jìn)行現(xiàn)場勘查及人工填寫事故檔案材料的方式。發(fā)展趨勢是采用計算機輔助事故處理。4、交通信息管理在交通信息管理方面計算機數(shù)據(jù)庫管理技術(shù)已普遍得到應(yīng)用，In ternet/l ntran et的普及使得信息的交

6、流與傳送變得快捷而方便。將來的發(fā)展趨勢是提高信息的綜合分析和應(yīng)用能力。5、交通違規(guī)監(jiān)測與管理在交通糾違與執(zhí)法手段方面以自動抓拍闖紅燈為代表的“電子警察”系統(tǒng)已獲得較普遍的應(yīng)用，IC卡違章記分和駕駛員管理系統(tǒng)也正在一些大城市推廣應(yīng)用。智能化的交通糾違 與執(zhí)法裝備將成為交通管理的重要手段。在國際上，從20世紀(jì)80年代以來，日本、美國、西歐等發(fā)達(dá)國家開展了道路功能和車 輛智能化的研究。隨著研究的不斷深入，系統(tǒng)功能擴展到道路交通運輸?shù)娜^程及有關(guān)服務(wù)部門，發(fā)展成為帶動整個道路交通運輸現(xiàn)代化的智能化運輸系統(tǒng)。目前美國、日本和歐盟都提出了各自的智能化交通體系結(jié)構(gòu)，形成了指導(dǎo)國家智能化交通建設(shè)的綱領(lǐng)性文件。

7、美國：經(jīng)過近十年的研究，在上世紀(jì)90年代末提出了國家智能化交通系統(tǒng)的框架體系和相關(guān)標(biāo)準(zhǔn)，出臺了規(guī)范國家智能化交通研究、產(chǎn)品研發(fā)和工程實施的標(biāo)準(zhǔn)性文件。從90年代初開始，美國許多州就啟動了城市及重要交通走廊的交通指揮中心建設(shè)項目，為智能化交通工程項目的實施提供了示范經(jīng)驗。日本：在國家完成了智能化交通整體框架的研究之后，警察廳提出了以此框架為基礎(chǔ)的新交通管理系統(tǒng) UTMS21的方案。方案包括了先進(jìn)交通控制系統(tǒng)、交通信息服務(wù)系統(tǒng)、公交 優(yōu)先控制系統(tǒng)、車輛運行管理系統(tǒng)、動態(tài)線路誘導(dǎo)系統(tǒng)、降低交通公害系統(tǒng)、安全駕駛支持 系統(tǒng)、救援情報支持系統(tǒng)等。作為先進(jìn)交通控制系統(tǒng)的核心，正在著手開發(fā)研究最優(yōu)交通線路指

8、 示系統(tǒng) MCDERATCOmanagement by origin-destinationrelatedadaptationfortraffic optimizatio n)，明確提出了感應(yīng)器配置、信息采集、交通指標(biāo)、控制指標(biāo)、微觀感應(yīng)控制等方面的目標(biāo)。在“十五”計劃期間，我國將啟動智能化交通的示范工程，建立交通系統(tǒng)綜合平臺和交 通綜合控制指揮中心，并在電子警察、一卡通收費、智能化公交系統(tǒng)、高速公路綜合管理系 統(tǒng)、停車場管理系統(tǒng)、基于INTERNET的貨運交易系統(tǒng)和物流系統(tǒng)、車載系統(tǒng)、交通誘導(dǎo)等方面開展技術(shù)研究、開發(fā)及示范應(yīng)用。視頻智能交通網(wǎng)絡(luò)系統(tǒng)的基本組成我國現(xiàn)有的交通管理系統(tǒng)大部分都是采

9、用人工為主、機器為輔的方法，由人對機器獲得的信息進(jìn)行判讀，如電子警察系統(tǒng)。隨著城市交通的發(fā)展，對交通監(jiān)控系統(tǒng)提出了越來越高 的要求，而現(xiàn)有系統(tǒng)已經(jīng)不能適應(yīng)現(xiàn)代化的需要。具體表現(xiàn)在：一是需要投入大量的人力、 物力和財力；二是不能全天候工作，不能提供足夠多的交通參數(shù)，幫助交通管理者決策；三 是沒有實時自動分析功能，難以滿足現(xiàn)代化管理的需要。因此，尋找一種更為高效、可靠的 系統(tǒng)來替代現(xiàn)有系統(tǒng)已經(jīng)成為迫在眉睫的任務(wù)。一種基于計算機視覺的視頻智能交通網(wǎng)絡(luò)系統(tǒng)，它能有效的克服上述缺點，且擁有監(jiān)測范圍大、靈活性好、成本低廉、操作簡單等很多潛在優(yōu)點，有著很好的推廣前景。1、系統(tǒng)工作原理視頻智能交通系統(tǒng)建立在網(wǎng)

10、絡(luò)環(huán)境下。 系統(tǒng)以一個交通區(qū)域為基本單元， 并且通過廣域 網(wǎng)可擴展至更廣的區(qū)域。整個系統(tǒng)由中心級、站級和車道級系統(tǒng)組成，各級系統(tǒng)的拓?fù)潢P(guān)系 為樹型結(jié)構(gòu)。（1）、中心級系統(tǒng)中心級為一個交通區(qū)域中所有站級的調(diào)度監(jiān)控中心，是樹結(jié)構(gòu)中的根節(jié)點， 是整個系統(tǒng)的核心。中心級系統(tǒng)包括數(shù)據(jù)庫服務(wù)器、管理模塊、狀態(tài)模塊。管理模塊用于與下面的各站 級管理模塊通信，并對各站級系統(tǒng)上傳的數(shù)據(jù)進(jìn)行收集、分析、處理。而狀態(tài)模塊則用于實 時顯示各站級的工作情況。中心級的任務(wù)和工作方式主要有以下兩種：（a）融合交通區(qū)域車輛管理中心的信息，創(chuàng)建和維護車輛管理數(shù)據(jù)庫，包括肇事被通 緝車輛的黑名單庫。本級的系統(tǒng)管理員改變記錄以及更

11、新中心級數(shù)據(jù)庫服務(wù)器的數(shù)據(jù)資源后，應(yīng)及時下傳至站級數(shù)據(jù)庫；當(dāng)站級系統(tǒng)發(fā)現(xiàn)肇事逃逸車輛，同樣也要將車輛屬性數(shù)據(jù)上傳到中心級數(shù)據(jù)庫，使各級數(shù)據(jù)庫數(shù)據(jù)一致。（b）中心級通過及時訪問各站級數(shù)據(jù)庫服務(wù)器的交通數(shù)據(jù)，為交通管理者提供決策信息。訪問有兩種方式：一是讓站級數(shù)據(jù)庫定時上傳數(shù)據(jù)；二是中心級系統(tǒng)管理員實時訪問各站級數(shù)據(jù)庫的數(shù)據(jù)資源。 交通管理者對收集到的數(shù)據(jù)資源進(jìn)行分析，可全面掌握交通區(qū)域各主要街道、高速公路及停車場情況，以便于及時對交通資源進(jìn)行有效調(diào)配；（2）、站級系統(tǒng)站級系統(tǒng)是本地鄰近幾個車道級系統(tǒng)的調(diào)度監(jiān)控中心，也是樹型結(jié)構(gòu)的中間節(jié)點。它由數(shù)據(jù)庫服務(wù)器、管理模塊、狀態(tài)模塊和監(jiān)控模塊等組成。管理

12、模塊主要跟中心級的管理機通 信，對各車道級系統(tǒng)上傳的數(shù)據(jù)進(jìn)行收集、分析、處理。狀態(tài)模塊實時顯示各車道級的工作 情況。監(jiān)控模塊實時監(jiān)控各車道的視頻圖像。數(shù)據(jù)庫服務(wù)器則完成數(shù)據(jù)統(tǒng)計、打印等功能。站級系統(tǒng)主要有如下功能： 實時采集下轄各車道級系統(tǒng)發(fā)送上來的圖像數(shù)據(jù)和交通參數(shù) 數(shù)據(jù)，同時檢索黑名單庫，如果發(fā)現(xiàn)被通緝車輛，則報警。對于車道級發(fā)現(xiàn)的違章或肇事車 輛，經(jīng)本級系統(tǒng)管理員確認(rèn)后，記錄到相應(yīng)數(shù)據(jù)庫中，并上傳到中心級。定時統(tǒng)計站內(nèi)各車 道的車輛參數(shù)。接收從中心級下傳的數(shù)據(jù)，及時更新數(shù)據(jù)資源。根據(jù)站內(nèi)數(shù)據(jù)庫服務(wù)器的數(shù) 據(jù)，有效管理網(wǎng)內(nèi)的交通資源。（3）、車道級系統(tǒng)車道級系統(tǒng)負(fù)責(zé)本車道的監(jiān)控，是樹結(jié)構(gòu)中

13、的葉節(jié)點。目前它主要由一臺監(jiān)控機組成， 隨著微處理器的發(fā)展，可由單片機和DSP組成的嵌入式系統(tǒng)構(gòu)造，用以降低系統(tǒng)成本。車道 級系統(tǒng)主要有兩個任務(wù)，其一自動識別出車輛屬性；其二提供本車道的交通參數(shù)。車道級系統(tǒng)是該監(jiān)控管理系統(tǒng)最關(guān)鍵的部分?，F(xiàn)將其工作原理簡要敘述如下：當(dāng)探測系統(tǒng)檢測到有車輛經(jīng)過監(jiān)控道口時，車道級系統(tǒng)開始工作， 即由自動識別模塊識別出車輛的顏色、類型、車牌等屬性，并同時進(jìn)行車流統(tǒng)計；然后通過網(wǎng)絡(luò)向站級系統(tǒng)的數(shù)據(jù)庫服務(wù)器上 傳交通參數(shù)數(shù)據(jù)和壓縮的圖像數(shù)據(jù)。2、系統(tǒng)的拓?fù)浣Y(jié)構(gòu)對于有多個車道的站級應(yīng)用，可以將各個車道級系統(tǒng)與站級調(diào)度監(jiān)控中心用局域網(wǎng)連接 起來?？紤]到車道級系統(tǒng)與站級監(jiān)控中心

14、之間的通信實時性要求，可采用以太網(wǎng)?；诠?jié)點增減靈活、易于升級以及方便維護管理等的考慮，該局域網(wǎng)的拓?fù)浣Y(jié)構(gòu)可采用星型拓?fù)浣Y(jié)構(gòu)。如果將來需要系統(tǒng)升級，星型網(wǎng)絡(luò)可以很方便的升級到千兆位網(wǎng)絡(luò)而滿足將來的應(yīng)用需要。如果要實現(xiàn)一個地域內(nèi)或城市內(nèi)各站級系統(tǒng)之間的通信，則可以借助城域網(wǎng)或廣域網(wǎng)實現(xiàn)互連?？紤]到系統(tǒng)的安全性， 也可以在網(wǎng)絡(luò)系統(tǒng)中增加安全保護措施，比如在系統(tǒng)中加入防火墻等。3、車道級系統(tǒng)組成及其功能（1）、探測模塊探測模塊主要是用于發(fā)現(xiàn)車輛，同時還可測量一些車輛參數(shù)，如：車速、車身長度、車 流量等。（2）、圖像采集模塊該模塊完成汽車圖像的采集工作，它由視頻采集卡和攝像機組成。視頻采集卡用于對來自

15、CCD攝像機的彩色或灰度信號進(jìn)行顏色解碼和同步提取。可以采用雙攝像頭， 一高、一低的架設(shè)在車道的正上前方。位置高的攝像頭獲取一幅高清晰度的真彩色全景圖，用于車型的顏色、類別識別；位置低的攝像頭獲取一幅高清晰度的灰度近景圖，用于車牌自動識別。為 適應(yīng)天氣的變化，必須開啟自動光圈；為減少模糊效應(yīng)，必須開啟高速電子快門。（3）、自動識別模塊自動識別模塊是車道級系統(tǒng)的核心。它主要完成車輛特征的自動提取。該模塊對輸入的數(shù)字圖像經(jīng)自動識別算法計算，以得到圖像特征值。 為增強系統(tǒng)的實時性和魯棒性，提高識別模塊對不同天氣和環(huán)境條件（如潮濕、陰影、燈光等）的適應(yīng)性。系統(tǒng)初期運行時，在系 統(tǒng)管理員的幫助下，分辨在

16、不同時段、天氣下的光照情況，待識別模塊運行穩(wěn)定后，便能自 主判斷，選用不同的方案。（4）、壓縮存儲模塊壓縮存儲主要是滿足數(shù)據(jù)傳輸?shù)膶崟r性， 減少網(wǎng)絡(luò)擁塞和數(shù)據(jù)存儲量。對于視頻采集卡 獲取的圖像，可采用不同的算法，壓縮成不同的文件格式。 一般采用壓縮比較高的 JPG格式， 而且其圖像質(zhì)量也能滿足后續(xù)工作的需要。4、自動識別算法汽車顏色的識別由于室外環(huán)境變化多，如天氣、背景、陰影等都會使圖像的特征發(fā)生很大的變化，給正確的識別和處理帶來隱患，如晴天的早上和傍晚，太陽顏色偏紅，將會改變 圖像的底色。可通過預(yù)處理將這些變化歸結(jié)到光照強度的變化，如可設(shè)定色標(biāo)牌或跟已知顏色的背景物體作比較，對整幅圖像的顏色

17、進(jìn)行校正。因此抑制光照條件變化對圖像的影響， 是算法中要解決的問題。由“色度學(xué)”知識，對于某一固定的顏色，如果只改變照明光的光 強，則該顏色的色度坐標(biāo)應(yīng)保持不變。這里可以把RGB圖像中對某一顏色測得的 RGBE個分量的灰度值歸一化， 將此歸一化值作為該顏色的色度坐標(biāo)。在汽車顏色識別算法中， 將圖像轉(zhuǎn)換為基于人類顏色感覺的HSI圖像模型。因為HSI模型中，描述顏色基本特征之一色調(diào)H可以作為顏色的色度坐標(biāo)。因此如果獲得了 HSI模型對應(yīng)顏色的色度坐標(biāo)值，就可得到的該 顏色。汽車二維圖像的分類識別是二維圖像識別的一個重要方面，它包含了模式識別領(lǐng)域中普遍存在的基本問題。由于識別目標(biāo)一一汽車是一個在復(fù)雜

18、背景中運動的物體，高速必然帶來運動模糊效應(yīng)，還由于成像條件等因素影響，因此給模式特征提取和準(zhǔn)確識別增加了難度。 直接利用二維圖像信息量過大，對那些輪廓特征便于利用的圖像，可取其二維圖像的邊緣特征，從而大大壓縮信息量，便于二維圖像的分類識別。車牌的識別可采用以下三個步驟：一、先通過預(yù)處理、分割等步驟找出若干準(zhǔn)目標(biāo)區(qū)域， 然后從這些區(qū)域中選取車牌區(qū)域（依靠紋理特征或顏色特征）。二、在對分割出來的車牌區(qū)域，進(jìn)行自適應(yīng)閾值二值化，分離出車牌背景，以便于下一步的字符識別。 三采用字符切分、模板匹配、模糊識別等方法，識別出車牌號碼。汽車牌照實際上是原始圖像中的一個邊緣平 直且有突變，位置相對穩(wěn)定的子圖像，

19、該子圖像內(nèi)部有七個字且是有一定大小的近似平行四 邊形，所以牌照區(qū)域形成了一種水平、垂直方向的紋理規(guī)律，可依靠以上紋理特征，采用模 糊模式識別方法，從這些準(zhǔn)目標(biāo)區(qū)域中，分割出牌照區(qū)域。為方便字符識別，將切割下來的 車牌灰度圖像作二值化處理。 二值化處理后的車牌是一個整體，包含了字符和間隙。 想要識別單個字符，首先要把每個字符從車牌中分離出來，這是字切分要完成的任務(wù)。車牌中每個字符所占的寬度幾乎相等，因此可等寬切分。車牌中的字符由有限個已知的漢字字符、英語字母和十個數(shù)字組成，且字符的排列順序（漢字、英語字母、數(shù)字）已知，建立有限集字符 模板庫，對切割下來的字符進(jìn)行識別即可。視頻圖像多目標(biāo)檢測與分析

20、技術(shù)研究目標(biāo)研究定軌道區(qū)域的多運動目標(biāo)分析技術(shù)，建立這類視頻圖像的數(shù)理模型。使之不僅可以解決數(shù)字視頻中運動分析和對象提取中的很大一部分情況，還能夠成為目前智能交通系統(tǒng)中視覺信息處理部分的核心技術(shù)，成為實現(xiàn)場景監(jiān)視、運動觀察的基礎(chǔ)。視頻圖像序列多目標(biāo)檢測與分析技術(shù)路線和實現(xiàn)方案1、技術(shù)路線與總體方案對交通路段多個車道的車流（如下圖）進(jìn)行連續(xù)拍攝，獲取的車流序列圖像中包含了相 對固定的背景和運動車流圖像。該技術(shù)即是對多車道的車流序列圖像進(jìn)行按軌跡（車道）的分流分析。分流后統(tǒng)計出各個車道的車流量、交通路段的總平均車流量、平均車速。反方向車道-5 -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜-

21、# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜隔離帶車道1 （超車道）車道2 （常規(guī)車道）正方向車道I車道3 （待車道）高速路段汽車運行示意圖對于該技術(shù)的應(yīng)用系統(tǒng)，我們輸入觀測路段（共R個車道）場景的固定背景圖像與該路段拍攝的圖像序列，系統(tǒng)對圖像信息進(jìn)行處理后，將輸出該路段在特定時段（比如tj至tj + K?t時段）內(nèi)的車流統(tǒng)計參數(shù)。K 近似于測試次數(shù)。這些參數(shù)（檢測量）有：各車道平均車流量q ,這里i表示車道序號；路段平均車流-# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜-# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜量C ;各車道平均車速 vi ;路段平均車

22、速 V系統(tǒng)信息處理功能如下圖所示:I (Xl,X2,tj )Ci,ViC2,V2C,V-# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜Cr, Vr-6 -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜高速路段車流量與平均車速視頻檢測系統(tǒng)功能框圖其中I(xi，x2，tj)， (Xi,X2) RX1X2 , j Z表示整個視頻圖像信息，l(Xi,X2,tj)包括 背景圖像和運動目標(biāo)子圖像。對于應(yīng)用系統(tǒng)的輸出，例如某車道的車流量與平均車速相對時間的關(guān)系，可以采用圖形表示，如下圖：-7 -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜-# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S0110

23、81彭韜2、檢測基本模型與系統(tǒng)框圖 檢測量基本的數(shù)理概念與模型:(1)各車道平均車流量ci定義：單位時間內(nèi)該路段某車道通過的車輛個數(shù)，單位為(輛 /秒)數(shù)學(xué)模型：在tkj到tkj +?t這段時間內(nèi)，車道i有N輛汽車通過，則cki =#。這里k1 K表示測試次數(shù)，測量一定次數(shù)K以后，則ci = ”CkiK k=1(2) 路段平均車流量C定義：單位時間內(nèi)該路段通過的車輛個數(shù)，單位為(輛 /秒)1 R數(shù)學(xué)模型：車道i的車流量為ci。若該路段同方向上共有 R條車道，則C =- "q(3) 各車道平均車速定義：車道i上，單位時間內(nèi)車輛經(jīng)過的路程，單位為(米/秒)數(shù)學(xué)模型：車道i的某輛汽車，在t

24、q時刻剛好進(jìn)入車道觀測路段，到tkj+?t時刻，該?X車剛好離開車道觀測路段。若該車道路段長？x，則vki =,這里k表示測試次數(shù)，測量?t定次數(shù)K以后，則該車道平均車速為:-# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜-# -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜路段平均車速V-8 -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜-9 -電子科技大學(xué)碩士課題文獻(xiàn)綜述02S011081彭韜定義：該路段上，單位時間內(nèi)車輛經(jīng)過的路程，單位為(米 /秒)數(shù)學(xué)模型：車道i的平均車速為v,。若該路段冋方向上共有R條車道，則V二丄 0R i=1實現(xiàn)檢測的數(shù)理模型：1數(shù)字視頻的分

25、層表征模型:l(Xi,X2,tj) = lb(Xi,X2,tj)?1-罩A(Xi,X2,tj)?+ 睪A(Xi,X2,tj)?lmi(Xi,X2,tj) ( 1)其中l(wèi)(x1,x2,tj) , (X1, x2) RXlx2 , j Z表示整個視頻圖像信息，Ib(X1, x2,tj)表示背景圖像，I miX, x2,tj) , i = 1,2,L , k表示k個運動目標(biāo)子圖像，A, (x1, x2,tj)表示相應(yīng)的運動目標(biāo)圖像的指示函數(shù)，該分層模型實質(zhì)上描述了運動目標(biāo)和背景之間遮擋和被遮擋的關(guān)系。在等式(1)兩端同時乘以AMX" x2,tj)，化簡可得：1(X1, X2,tj) ?A(

26、X1, X2,tj )二 A1(X1, X2,tj)?lmi1(X1, X2,tj)( 2)由此可知在運動目標(biāo)視頻圖像序列分層模型中，待求解的參數(shù)只有兩組，分別為Ib(x1, x2,tj)和AXKtj) , i = 1,2L k。 a, (x1, x2,tj)實際上就是視頻序列中各個運動目標(biāo)所對應(yīng)的視頻對象平面 VOP的區(qū)域形狀信息。2時空相似性算子與運動目標(biāo)跟蹤在運動目標(biāo)跟蹤的研究中有許多方法，如基于Kalman濾波的運動跟蹤技術(shù)、基于運動目標(biāo)跟蹤框的目標(biāo)跟蹤技術(shù)等。在這里我們利用時空相似性算子來實現(xiàn)運動目標(biāo)的跟蹤。由VOP的指示函數(shù)可以得到每一個 VOP的形心坐標(biāo):”X1 ?A(X1,X2

27、,tj)(8)(X1 ,X2)LA(X1,X2,tj )(X1,X2)號 2?A(X1,X2,tj)LA(X1,X2,tj )(X1,X2)(9)其中Chi,j,Cvi,j是第i個VOP在匕時刻的形心坐標(biāo)。由指示函數(shù)和相應(yīng)的視頻序列 可以計算出每一個 VOP的灰度均值 沱門和方差I(lǐng)厲進(jìn)而計算出位置相似度和灰度相似度，于是可以計算出聯(lián)合相似度s (i1,im, j)?；诼?lián)合相似度算子，相鄰兩幀中的VOP對應(yīng)關(guān)系有如下三種：、對于tj時刻的第h個VOP,在集合 Sjoint(i1,i2, j)|i2 1,2丄kj+1中尋找其最大值Smax(i1,im, j)。如果Smax(i1,im, j)大于

28、相應(yīng)的相似度門限值咋，則.時刻的第i1個vop和tj+1時刻的第im個vop具有對應(yīng)關(guān)系，屬于同一個 vo(2) 、如果Smax(i1,im, j)小于相似度門限值 n，則匕時刻的第i1個vop在tj+1時刻就沒有對應(yīng)的vop所以tj時刻的第i1個vop就是其相應(yīng) vo序列中的最后一個 vop(3) 、如果tj+1時刻的第i2個VOP在tj時刻沒有對應(yīng)的 VOP則tj+1時刻的第i2個VOP是 相應(yīng)VO的第一個VOP基于上述VOP之間的對應(yīng)關(guān)系，屬于同一個VO的VOP序列就可以分離出來，于是就可以實現(xiàn)視頻對象的有效提取。3定軌道目標(biāo)流運動分析在上文中我們詳細(xì)論述了基于背景差的運動目標(biāo)分割提取和

29、采用時空相似性算子實現(xiàn)運動目標(biāo)跟蹤的技術(shù)，并采用大視場觀察條件下的車流交通視頻圖像序列作為實驗對象，取得了較好的實驗結(jié)果。實際上汽車流是典型的指定軌道區(qū)域的運動目標(biāo)流，它們通常按照公路上所劃定的軌道區(qū)域行駛，所以在大視場觀察條件下， 只要在恢復(fù)出來的背景圖片中通過圖像分析技術(shù)設(shè)定相應(yīng)的軌道區(qū)域劃分，就可以實現(xiàn)運動目標(biāo)按指定軌道的分流，監(jiān)測每一個運動目標(biāo)的運動軌跡，運動方式和運動狀態(tài)等參數(shù)，還能對指定軌道上的運動目標(biāo)的流量 進(jìn)行統(tǒng)計，運動異常進(jìn)行檢測等。這些功能對于智能交通系統(tǒng)的可視信息的采集具有十分重 要的意義。除了上面的大視場條件下對定軌道區(qū)域運動目標(biāo)進(jìn)行分流以外，在有的應(yīng)用中還要對運動目標(biāo)

30、的某些視覺特征如：紋理特征等進(jìn)行觀察和記錄，在大視場條件下這些視覺特征是不能夠清晰觀察到的，所以需要在較小的視場條件下對運動目標(biāo)進(jìn)行拍攝，但此時運動目標(biāo)在視場中所占有的空間區(qū)域較大，目標(biāo)相互之間還存在著遮擋，這給動目標(biāo)按軌道的分流和在指定的時空位置上的視覺特征的觀察記錄帶來了困難，下面就對此進(jìn)行詳細(xì)的討論。在較小的視場條件下我們?nèi)匀徊捎帽尘安畹姆椒?，在差分域中進(jìn)行運動目標(biāo)的檢測，由于是多運動目標(biāo)，要實現(xiàn)各個運動目標(biāo)所在區(qū)域的相互分離，就需要附加另外的約束條件， 在定軌道多運動目標(biāo)的場合下，各個運動目標(biāo)都屬于同一類型，具有類似的形狀信息，如道路上運動的汽車都具有類似于矩形的投影形狀，所以可以從運

31、動目標(biāo)的形狀特征進(jìn)行檢測和分割。在差分域中采用自適應(yīng)門限技術(shù)，可以將運動目標(biāo)和背景區(qū)域初步分開。但是由于噪聲等因素的影響，運動目標(biāo)區(qū)域具有非完整性，要實現(xiàn)其準(zhǔn)確定位和分割還需要采用形態(tài)學(xué)開閉濾波將運動區(qū)域外的噪聲點去除，與此同時形態(tài)學(xué)濾波也可以使得運動目標(biāo)區(qū)域的邊界變 得更加光滑，并去除運動目標(biāo)區(qū)域內(nèi)部的微小孔洞。按照這樣的形態(tài)學(xué)方式生長出來的每一個矩形區(qū)域就對應(yīng)一個運動目標(biāo)所在位置的核心區(qū)域，這樣就可以把多個運動目標(biāo)大致分割成一個個的單運動目標(biāo)區(qū)域。在運動目標(biāo)的區(qū)域確定之后， 要實現(xiàn)其視覺特征的觀察和記錄就需要進(jìn)行定軌道多運動 目標(biāo)的時空定位，運動目標(biāo)的空間位置可以利用上面所提取出來的矩形區(qū)

32、域的空間方位和背 景圖像中軌道的劃分來確定。 這里所說的運動目標(biāo)的時空定位是指在目標(biāo)沿軌道運動到指定 區(qū)域之后對其記錄一幀圖像，以實現(xiàn)對運動目標(biāo)的視覺特征的觀察和記錄。由于場景背景圖像是已知的，可以事先通過人機交互的方式劃定運動目標(biāo)的運動軌道，即所有的運動目標(biāo)在正常情況下都是沿著相應(yīng)軌道運動的，當(dāng)然這一過程也可以通過計算機自動來完成。然后在各個運動軌道的相應(yīng)位置設(shè)置標(biāo)記，當(dāng)目標(biāo)運動到標(biāo)記位置時就對其進(jìn)行圖像采樣。為了處理各個運動目標(biāo)相互之間的遮擋關(guān)系，以及避免同一個運動目標(biāo)被多次重復(fù)采樣的情況，這里利用狀態(tài)轉(zhuǎn)換關(guān)系圖來實現(xiàn)該目標(biāo)準(zhǔn)確的時空定位與采樣。首先對場景中的運動目標(biāo)進(jìn)行狀態(tài)劃分，分為如下幾種狀態(tài)：目標(biāo)搜索狀態(tài)、目標(biāo)在指定區(qū)域外、進(jìn) 入指定區(qū)域狀態(tài)，定點采樣狀態(tài)，離開指定區(qū)域狀態(tài)。 在運動目標(biāo)處于定點采樣狀態(tài)時便可 以對其進(jìn)行采樣記錄。系統(tǒng)框圖與關(guān)鍵單元：高速路段車流量與平均車速視頻檢測系統(tǒng)框圖其中關(guān)鍵單元有：1單車道定時段車流量/車速檢測單元該模塊單元主要用于分析單車道車流圖像數(shù)據(jù)，從而獲取該車道上的車流量和車速等車流統(tǒng)計數(shù)據(jù)。2多車道車流參數(shù)檢測單元該模塊