1. 研究目的与意义及国内外研究现状

在这个全球经济和科学技术飞速发展的时代，交通作为社会发展和人民生活水平提高的基本条件，得到了巨大的发展。现在家庭私人汽车逐步普及，公路条件得到很大的改善，交通量也在不断增长，但与此同时，交通道路拥堵、交通事故频发以及交通环境恶化等也成为了全球性的问题，有效的交通管理是各大城市面临的难题，在这样的背景下，智能交通系统(its，intelligent transport system)应运而生。

its可用于交通监控系统，对交通信息实时监控，方便交通管理部门对交通的实时调度，也方便公安机关防范、监测、追踪犯罪；也可用于车辆控制系统，提供道路导航功能，为出行人员提供最方便、最快捷的交通信息，并可以对行驶中的汽车周围车辆进行实时检测、预警，减小撞车事故的可能性；还可用于车辆管理系统，结合全球定位系统卫星联网，对全国甚至更大范围内的车辆实施监控。车辆检测是智能交通中最基础、最重要的部分，它准确及时的检测出车辆，是后面的车辆跟踪、车牌识别、车辆信息提取等处理的保证。传统的车辆检测的方法有红外检测、地感应线圈检测、超声波检测、声学检测等。红外线检测的方法可提供大量的交通管理信息，但它抗噪能力不强，有时可能需要降低可靠性来提高灵敏度；地感应线圈检测的技术己比较成熟，性能稳定且计数非常精确，它可检测车流量、道路占有率等，但是这种方法要在公路下铺设线圈，影响路面寿命，并且易被重型车辆等损坏；超声波检测方法根据接收和返回的超声波的时间差来确定车辆通过情况，具有体积小，易于安装等优点，但是它受天气和温度影响较大；声学检测方法通过检测车辆内部声音以及车辆与地面接触的声音来进行车辆检测，但是这种方法较难检测停止车辆，有时会漏检车辆。近年来随着计算机技术、图像处理、计算机视觉和人工智能的发展，基于视频的车辆检测技术，越来越受到青睐。

近年来，基于视频的车辆检测技术得到长足发展，尤其是在背景固定、单一的场合，如高速公路；但在涉及复杂背景下的车辆检测时，仍存在诸如误检率高、时效性差等诸多问题，而这是车辆检测技术在人车共行、车载预警等场合成功应用时必需要解决的问题。

国内外研究现状

计算机视觉是研究用计算机模拟生物外显或宏观视觉功能的科学和技术。作为计算机视觉研究的一个分支—运动目标的检测与跟踪，就是对视场内的运动目标，如人或车辆等，进行实时的观测，并在此基础上对被观测对象进行分类，然后分析它们的行为。近年来，计算机视觉的研究重点已经从对静态图像的研究过渡到对动态图像序列的研究上面，这方面的典型应用包括自动化的视频监控系统、视频mpeg编解码技术、人机交互的感知接口、军事上的制导、雷达视频图像中的目标分析。

2. 研究的基本内容

本论文的主要研究内容是对基于视频的运动汽车检测算法的研究， 针对复杂场景中多变的情况提出了基于改进的背景差分法的运动汽车检测研究。

视频运动汽车检测作为智能交通系统中最基础的部分，其结果直接关系下一步车辆跟踪、识别及行为分析等语义信息理解的优劣。运动汽车的检测可以实现交通参数的提取并能进一步自动检测交通事件。但在一个室外的车辆检测系统中，经常会有一些外界的因素比如摄像头的抖动、光线的变化、树叶的摇摆等影响到检测的精确度。如何在室外复杂环境中实现对运动汽车实时、准确的检测与提取是本文要研究的重点。

针对背景差分法易受外界复杂环境影响的不足，本文提出改进的 k-均值聚类算法来对复杂环境下的背景进行建模，将室外场景中的噪声、摄像机的抖动等多模态分别用 k 个子类来描述，通过比较任意样本与该像素位置处的子类中心之间的距离，对各个像素的观察值进行聚类，并在聚类过程中逐步确定其类别数。一段时间的学习之后，样本数最多的子类就构成了背景模型。即使在运动车辆一直存在的场景中也能很好地提取出理想的背景。对于场景背景中的车辆突然开始运动或者车辆突然驶入当前场景并作为背景停留的情况，本文首先采用背景差分法检测出运动变化的区域，再采用 canny 算子检测出当前场景中运动车辆的边缘轮廓，将两种方法结合起来增强了检测系统的鲁棒性，抑制了虚假运动目标的出现，提高了检测的准确性。

3. 实施方案、进度安排及预期效果

本论文的主要研究内容是对基于视频的运动汽车检测算法的研究， 针对复杂场景中多变的情况提出了基于改进的背景差分法的运动汽车检测研究。

本文所完成的主要工作及结构安排如下：

第一章，综述了智能交通系统中运动汽车检测的常用技术，简要介绍了视频检测的研究背景及国内外的发展现状等。

4. 参考文献

[1]梁琳.浅谈我国智能交通系统的发展.计算机与信息技术.2008,94(10):58-59.

[2]李庆瑞 , 张洋 , 袁飞 . 智能交通系统在高速公路领域中的应用探讨 . 交通标化.2006, (7):32-36.

[3] acunzo david,zhu ying,xie binglong,et al.context-adaptive approach for vehicle detectionundervaryinglightingconditions[c].10th internationalieee conference on intelligent transportation systems. seattle, wa, united states,2007:654-660.