摘 要

随着人民生活水平的不断提高，汽车逐渐成为人们生活中越来越重要的代步工具。汽车数量增长迅速，道路交通事故以及交通运输问题日益严重。为了提高车辆的管理效率，解决复杂的交通问题，车辆检测与跟踪作为智能交通系统重要的组成部分，如何得到更好的基于视频图像处理的车辆检测效果成为国内外研究的焦点。

本文将静止的摄像机获取的交通视频作为研究的对象，对基于视频图像处理的车辆检测方法进行研究。本文的主要工作如下：

（1）对车辆检测识别方法进行了简要介绍，对于运动物体的检测方法有光流法、背景差分法和帧间差分法三种，本文采用的是帧间差分法，帧间差分法相对比较快，需要一个静态图像或参考图像，易于实现适用于实时快速通过车辆的目标检测，对缓慢移动的车辆不适用。

（2）采集视频图像，对视频图像进行预处理，包括图像灰度处理、图像差分、差分图像二值化和图像增强等。

（3）对运动车辆进行分割。详细介绍了图像分割的几种方法以及基于边缘的检测算子。通过分析比较本文决定采用基于Roberts边缘检测算子的方法对经预处理的图片进行处理。

（4）辅助以车辆的颜色识别以及速度计算，使得车辆识别更加完整。

关键词：视频图像处理；MATLAB；帧间差分法；车辆识别；Roberts边缘检测算子；

Abstract

With the continuous improvement of living standard, vehicles which function as the tools that can liberate people from walking to destinations has become more and more important in people’s lives. The number of vehicles is increasing rapidly, therefore causing more traffic accidents and transportation problems. In order to improve the managing efficiency of vehicles and to solve the complex traffic problems, vehicle detection and tracking will play an important role in intelligent transportation system, which makes how to get a better effect on vehicle detection based on video image processing become the focus of research at home and abroad.

In this paper, the traffic video which is obtained from the static camera is studied as the object of study to examine the method of vehicle detection based on video image processing. The main work of this paper is as follows:

1. Make a brief introduction to vehicle detection methods. There are three methods for moving object detection, including optical flow algorithm, background subtraction method and intra-frame subtraction method, and this paper adopts the last methods, which needs a static image or reference image and is relatively fast. It is easy to implement for real-time target vehicle detection, but isn’t suitable for slow moving vehicles.
2. Capture video images and pretreat the video sequences. The preprocessing algorithm includes gradation processing, image subtraction, binary conversion and image enhancement.
3. Segment the images of moving vehicles. This paper introduces several methods of image segmentation and the edge detection operator in detail. Through analysis and comparison, this paper decides to use the method based on Roberts detection operator to deal with the pre-processed images.
4. Assisted by the vehicle color recognition and speed calculation, the vehicle identification is more complete.

Key words: Video image processing; MATLAB; Intra-frame subtraction method; Vehicle identification; Roberts detection operator

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 3

1.3 本文研究内容与章节安排 4

1.3.1 研究目的 4

1.3.2 研究基本内容 4

第2章 运动车辆轮廓检测方法分析与比较 7

2.1 光流法 7

2.2 背景差分法 7

2.3 帧间差分法 8

2.4 分析与比较 8

第3章 图像预处理 10

3.1 道路交通视频采集 10

3.2 图像灰度化 11

3.3 图像差分处理 13

3.4 差分图像二值化 14

3.5 图像增强 15

3.6 本章小结 17

第4章 运动车辆图像分割 18

4.1 基于阈值的图像分割 18

4.2 基于区域的图像分割 18

4.2.1 平均灰度分割 19

4.2.2 灰度分布统计准则 19

4.3 基于边缘的图像分割 20

4.3.1 差分边缘检测 20

4.3.2 Laplace边缘检测算子 20

4.3.3 Sobel边缘检测算子 21

4.3.4 Prewitt边缘检测算子 21

4.3.5 Roberts边缘检测算子 22

4.4 分析与比较 22

第5章 颜色识别及速度计算 24

5.1 速度计算 24

5.1.1 摄像机参数标定 24

5.1.2 标定的实现过程 25

5.1.3 速度计算 27

5.2 颜色识别 28

第6章 GUI界面的建立 30

第7章 总结与展望 33

7.1 论文总结 33

7.2 经济性评价 33

7.3 未来工作展望 34

参考文献 35

致谢 37

第1章 绪论

1.1 研究背景及意义

伴随着经济的快速发展，交通物流业的发展也获得了飞跃性的进步。汽车开始逐渐成为人们生活越来越受欢迎的交通工具。汽车的拥有量日益增长，交通事故的发生频率大大提高正是由庞大的汽车数量引起的。分析研究出一个可以识别车辆信息、快速检测车辆、高效管理车辆的方案来提高道路快速通过车辆的管理效率，减小交通压力，降低事故发生次数是迫不及待的。以计算机为代表的信息产业的迅速发展，使得计算机视觉和智能交通具有十分广阔的应用前景。

智能交通系统ITS（Intelligent Transportation System，简称ITS）是人们将先进的数据通讯传输技术、信息技术、电子控制技术传感器技术以及计算机处理技术等有效综合运用于整个运输体系，从而建立起的一种在全方位发挥作用的大范围内的准确、实时、高效的运输综合管理系统^[1]。ITS融合了多种信息化技术，为解决目前存在的复杂的道路交通问题提供了新思路。