摘 要

在现代城市中，随着生活水平的提升和生活节奏的加快，人们对于出行效率的要求越来越高，在这种情况下汽车也越来越成为人们生活中必不可少的出行工具。但汽车数量的增加会带来交通拥堵，交通事故频发等诸多道路交通管理上的挑战，为了缓解这些困难智能交通应运而生。智能交通系统就是将信息技术、电子技术、传感器技术、系统工程技术等运用到公路运输、车辆制造和服务控制上，加强车辆、道路、使用者三者之间的联系，从而建立起安全、准确、高效的地面运输系统。作为智能交通系统研究的重要环节，车辆的检测和车流量的统计成为了研究热点。论文主要基于道路监控视频，检测出道路行驶车辆，分析车流量信息，为智能交通系统的改善提供基础数据。

本文研究了基于交通监控视频的常用的运动目标检测技术及算法，并将现有的几种方法进行了比较，着重分析并采用了使用混合高斯背景建模法的背景差分法。在此基础上采用基于虚拟线圈的方法，统计通过虚拟线圈的车辆数目，进而从一段视频或者图像序列中得出车流量信息。

关键词：车辆检测，背景差分，流量统计，虚拟线圈

Abstract

In the modern cities, with the improvement of living standards and the accelerated pace of life, people attach more and more importance on travel efficiency. In this case, cars are increasingly becoming indispensable travel tool in people's lives. But the increase in the number of cars will bring us traffic congestion, frequent accidents and many other road traffic management challenges, in order to alleviate these difficulties intelligent transportation came into being. Intelligent Transportation System applies the information technology, electronic technology, sensor technology, systems and engineering technology to road transport, vehicle manufacturing and service control, and strengthens the ties among vehicles, roads, and users, so as to establish safe, accurate, efficient ground transportation systems. As an important part of intelligent transportation system research, vehicle detection and traffic statistics has become a hot topic. This thesis based on road surveillance video, detects road vehicles, analyses traffic information, and provides the basic data for the improvement of the intelligent transportation system.

In this thesis, several common technologies and algorithms of moving object detection based on video traffic monitoring have been researched, and several existing methods are compared. We analyze and adopt the background subtraction method which uses Gaussian mixture background modeling method to establish background model. On this basis, the method that based on virtual coil is used, extracting traffic statistics from a video or image sequence.by counting the number of vehicles that through virtual coil.

Key words: vehicle detection, background subtraction, traffic statistics, virtual coil

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 课题研究的背景及意义 1

1.2 国内外研究现状 1

1.3 本文的主要内容及结构 2

第2章 视频图像预处理 4

2.1 OpenCV简介 4

2.2 图像预处理的作用 5

2.3 图像灰度化 5

2.4 图像去噪 7

2.5 图像二值化处理 8

2.6 数学形态学滤波 10

2.7 本章小结 11

第3章 基于视频图像的车辆目标检测 12

3.1 目标检测算法 12

3.1.1 帧间差分法 12

3.1.2 光流法 13

3.1.3 背景差法 13

3.1.4几种检测方法的比较 16

3.2 背景建模算法 17

3.2.1 均值法背景建模 17

3.2.2 直方图法背景建模 17

3.2.3 高斯背景建模法 17

3.2.4 几种背景建模方法的比较 18

3.3 实验结果与分析 18

3.4 本章小结 19

第4章 车流量统计算法 21

4.1 虚拟检测线圈的设定 21

4.2 车流量统计原理 23

4.3 车流量统计算法 23

4.4 车流量检测结果及分析 25

4.5 本章小结 25

第5章 总结与展望 27

5.1 研究工作总结 27

5.2 经济性分析 27

5.3 存在的问题及展望 27

参考文献 29

致 谢 30

第1章 绪论

1.1 课题研究的背景及意义

近些年来行驶在城市道路上的汽车越来越多，汽车已经逐渐成为了人们日常生活中不可或缺的出行工具。庞大的且不断增加汽车数量不仅会造成道路的拥堵还会使交通事故的发生更加频繁，给城市交通的管理带来了很大的压力。为了减少交通事故的发生，缓解交通压力，提高车辆的管理水平，需要寻求一种能够快速识别车辆信息的方法。最近几年由于交通安全领域面临的挑战不断增大，高效、安全的交通管理系统的需求的不断地扩大，使得对智能视频监控技术的研究也越来越热。让监控系统像人类一样能够在视频或者图像序列中检测到车辆,并对车辆的行为进行识别和理解，并判定车辆的行为是否正常是智能视频监控技术的主要目的。其中视频处理是构建智能视频监控系统必不可少的环节，准确、实时、完整的交通信息采集是智能交通系统的基础，而车辆检测和车流量统计则是对动态交通信息进行实时采集的基础设施^[1]。

道路交通车辆检测和车流量统计技术的研究对城市的交通控制、管理和未来智能交通系统的规划和实施不仅有理论意义而且还有重要的实践价值。目前已有的国内外车辆检测方案种类有很多，其工作原理与实现方式不尽相同，且每种方案都有自己的局限性。寻找一种最有效的交通行为识别方式和流量统计方式是十分必要的。在此背景下，提出了一种基于道路监控视频的车辆检测与识别技术，该技术通过对视频中移动物体的分析，检测出车辆，并通过算法统计出车流量，对于减小交通压力，降低交通事故的发生有重要意义。

1.2 国内外研究现状

二十世纪八十年代以来，以控制技术、通信技术和计算机技术为代表的信息技术取得了突飞猛进的发展，这些日益成熟的技术被广泛应用于交通管理与控制中，取得了良好的效果。自二十世纪九十年代中期以来，美国、英国、日本以及西欧等国相继开始研究基于图像处理技术的运动目标自动检测技术，该技术现在己经相当成熟，代表了未来车辆检测领域的发展和应用方向^[2]。