摘 要

车道线的检测和车速测定在交通智能处理和分析中具有重要意义。本文利用Hough变换进行车道线检测，具体先在图像中设置感兴趣检测区域，然后将图像灰度化，进行阈值分割，获得二值化图像，接着使用Canny算子进行边缘检测得到车道线轮廓，并通过细化处理来减少干扰信息，最后通过Opencv库封装好的Hough直线检测函数，在视频中用绿线描绘出车道线。在车辆的视频测速中，利用目标车辆行驶的相对位移来计算车速。利用车道线的划分计算出行驶位移，根据车灯部位最亮的特征采用灰度差水平叠加投影法得到车灯带候选块，利用候选块的灰度差竖直叠加投影法从候选块中选择出车灯带，进行目标匹配跟踪，求得视频中行驶距离并将其转换成实际距离后，除以帧差即行驶时间得到车速。在视频中实时显示车速，并对超速车辆进行标记。

关键词：车道线检测 霍夫变换 视频测速 车灯定位

Vehicle Analysis Based on Surveillance Video--lane Line Inspection and Video Speed Measurement

Abstract

Lane detection and speed measurement are of great importance in traffic intelligent processing and analysis.Based on Hough transform is used to detect the lane line, the first set interested in testing area in the image, then the image gray scale, threshold segmentation,image binarization, then using Canny operator for edge detection, finally through the opencv library encapsulated Hough linear detection function, draw the lane line with the green line in video. In the video measurement of vehicle speed, the relative displacement of the target vehicle is used to calculate the speed. Lane line division and image coordinate transformation is used to calculate the displacement, according to the features of light gray differential horizontal stack projection method is used to construct the drum area function to determine whether the area is light band, the use of matching headlights for target tracking, and frame differential drive time, and then according to the formula for the speed.Real time display of speed in video and marking of speeding vehicles.

Keywords: video detection;headlight positioning;lame mark identification; hough transform

目录

摘 要 I

Abstract II

目录 III

第一章 绪论 1

1.1课题背景及意义 1

1.2国内外研究现状 2

1.3论文结构 3

第二章 系统设计 5

2.1系统介绍 5

2.2子功能设计 5

第三章 图像处理技术 8

3.1 道路图像灰度化 8

3.2阈值分割 10

3.3边缘提取 12

3.4图像细化 12

第四章 车道线检测 16

4.1车道线识别 16

4.1.1设置感兴趣区域ROI 17

4.1.2图像二值化 18

4.1.3边缘提取 18

4.1.4图像细化 18

4.2 Hough变换基本原理 19

4.3 Hough变换提取车道线 20

第五章 视频测速 22

5.1 视频测速原理 22

5.2 基于特征匹配的车辆定位 26

5.2.1 车灯定位 27

5.2.2 车灯带位置候选区域获取 28

5.2.3 确定车灯带区域 29

第六章 总结与展望 31

6.1总结 31

6.2展望 31

参考文献 32

第一章 绪论

1.1课题背景及意义

随着科学技术与经济的蓬勃发展和世界人口的快速发展，原本不常见的汽车也变得随处可见，与此同时，交通道路的发展速度比不上车辆数量增加的速度，这就导致了交通事故的频发。在发展经济与科技的同时，保证人类的出行便捷而安全就显得格外重要。为了缓解交通压力，保证人类出行的安全，减少财产的损失，世界各国都投入了不少人力资源来发展完善智能交通系统（简称ITS)。

智能交通系统作用类似于交警，记录了道路上所有车辆的行驶情况，分析交通数据并将数据传回数据中心。当然，它的作用远高于此。智能交通系统提高了道路的利用率和合理性，缓解的日益严重的交通堵塞，减少了交通事故的发生，降低了世界的能源消耗，减少了给生态环境带来的污染。

在智能交通系统中，道路的车道线检测和车辆测速是重要的组成部分之一。车道线检测主要是从视频图像中检测到车道线并且准确的对其进行划分，确定车辆可行驶的安全区域，和车辆行驶时相对于车道线的位置，来检测车辆在行驶过程中的实时情况。

基于监控视频的车辆测速系统分为四个方面：（1）视频的读取以及图像预处理；（2）目标车辆的跟踪；（3）计算实际行驶距离与车辆行驶速度；（4）判断车速是否超速。

基于目标跟踪检测技术来对视频图像中的车辆进行测速是近几年来计算机视觉领域中极其引人注目的热点，它从车辆运动图像序列中对车辆进行检测、识别和跟踪，取得所需要的交通数据。同时，由于光照、天气、噪声等原因会给监控视频的读取带来一定的难度。

道路监控测速系统可以对行驶的车辆进行实时测速，并把分析的车速报告及时的反馈到交通管理中心，提高的出行的安全性。该系统与其他智能交通子系统共同工作，进行协调，通过实时监控并检测道路上车辆行驶情况，对超速车辆进行及时地提醒，记录超速情况并汇总到数据中心进行分析总结，最终实现控制超速情况，方便安全出行。

1.2国内外研究现状

如何通过监控视频获取交通数据是智能交通领域的一个热点问题。通过图像处理、模式识别和机器视觉等技术来提取交通数据，比传统的交通流检测器(如感应线圈、微波检测器等)更具有优势，具体优势体现为:安装摄像装备的成本较小,维修时不用破坏道路,并能够实现多车道监控和多种交通流参数检测的优点。

智能交通系统中一个必不可缺的部分是车辆测速功能，如今，智能交通系统的测速方法分为需要安装专业设备的激光测速、线圈测速和雷达测速，和只用安装摄像装备的视频测速，前三种在设备的安装以及使用过程中，往往会花费更多的人力与资源，并且不易维修，而视频测速可以节约大量的人力物力。激光测速利用对运动物体的多次测距与时间之比，得出其运动速度，激光测速的缺点是面对人口激增的现况，它无法在多路口、多车辆、多行人的情况下满足监管的要求，而且激光检测中的激光束可能会对人眼造成伤害，所以在用激光测速仪器时，首先要保证仪器的安全性能达到了国家安全标准，其次必须要人工操作。线圈测速在我国南方应用比较多，通常为埋设式，在车辆通过线圈时进行测速，并同时判断车辆是否超速，并对其进行摄像取证。线圈测速的缺点也很明显，在地面埋设感应线圈的工作量很大，因是埋在路面下，导致维修的不易且成本大。雷达测速采用了多普勒雷达体制，当接收到运动车辆的反射波时，根据反射波的移量来计算出车辆的行驶速度。目前，视频测速技术分为基于目标跟踪的方法和基于虚拟线圈的方法。前者根据车辆的特征采用特定的算法在相邻两帧中匹配目标车辆，根据相邻帧中目标车辆的位移除以帧差来获得车辆速度。后者计算目标车辆车速通过设置两个虚拟线圈，根据两个线圈的距离差除以通过两个线圈的时间差来计算车速。

相关图片展示：