基于视频的车辆检测系统设计
基于视频图像的车速检测方法分析
基于视频图像的车速检测方法分析摘要：行车速度检测在交通事故识别过程中非常重要。
以往的行车速度计算方式只可以测量车辆碰撞时的速度。
碰撞发生前，驾驶员采取制动措施降低车速，造成实测车速偏低，影响事故认定结果。
因此，本文主要研究基于视频图像的车速检测方法，能够准确地测量出碰撞前的车速，为交通事故识别提供依据。
关键词：视频图像；车速检测；方法1.基于视频的车速检测原理如今，伴随监控设备的大量运用，公路上安装了很多的监控设备，以此方便了交通管理。
监控摄像机通常安装在公路的顶部或一侧的位置，高度在5-10m，可按需求安装提供双向或单向的车辆监控视频影像。
摄像机和公路上车辆的空间位置如图1所示。
速度检测的方法最为基础的依旧是按照视频来作为依据，通过车辆运动位移除以车辆行驶时间得到的。
行车速度计算公式为：V=（S2-S1）/（T2-T1）=△S/△T。
根据行车速度计算公式，行车速度检测一般是通过计算一定距离内运动的时间，或是一定时间内汽车移动的距离来实现的。
所以在实际运用过程中，可以通过视频图像检测直接获取汽车运行的时间△T，但无法直接得到汽车运行的距离△s。
所以，通过视频来检测车速的办法是通过检测车辆在运动时，在各帧中的图像坐标，通过此坐标与现实位置公路的坐标系的映射关系，通过这样的办法将二维转换成三维，从而得到得到实际位移△s，实现速度检测。
图1 车速检测原理图2.车速检测系统总体构架速度检测模块主要是基于图像处理的。
这个系统主要包括交通视频采集、摄像机标定、车辆检测、车辆跟踪和车速检测。
系统的工作流程如图2所示。
速度检测系统需要满足以下功能：（1）在监控的同时完成对车速的检测；（2）可获取车辆流量、车速、平均车速等多种交通信息；并且可以精准定位车辆牌照，实现超速违章的准确定位。
图2 车速检测系统示意图2.1 硬件构架视频测速的主要硬件部分是CCD摄像机。
CCD摄像机的视频采集卡可以把实时视频图像转换成连续帧的数字图像序列。
智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述
智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述一、概述随着科技的快速发展和城市化进程的推进，智能交通系统（ITS）已经成为现代交通领域的重要研究方向。
基于视频图像处理的车辆检测与跟踪方法是智能交通系统的重要组成部分，对于提高道路安全、优化交通流量、实现智能交通管理具有重要意义。
基于视频图像处理的车辆检测与跟踪方法主要利用计算机视觉和图像处理技术，对视频序列中的车辆进行自动检测、跟踪和识别。
这种方法可以实时获取道路交通信息，为交通管理和规划提供数据支持。
同时，通过车辆检测与跟踪，还可以实现车辆行为分析、交通事件检测等功能，为智能交通系统的进一步发展提供有力支持。
近年来，随着深度学习、机器学习等人工智能技术的快速发展，基于视频图像处理的车辆检测与跟踪方法也取得了显著的进步。
通过构建深度学习模型，可以实现对车辆目标的准确、快速检测，同时利用多目标跟踪算法，实现对多辆车辆的连续跟踪。
这些技术的发展为智能交通系统的车辆检测与跟踪提供了新的解决方案，也为未来的智能交通发展奠定了坚实的基础。
基于视频图像处理的车辆检测与跟踪方法仍然面临一些挑战，如复杂交通场景下的车辆遮挡、光照变化、动态背景干扰等问题。
未来研究需要不断探索新的算法和技术，提高车辆检测与跟踪的准确性和鲁棒性，以适应智能交通系统的发展需求。
本文将对基于视频图像处理的车辆检测与跟踪方法进行综述，介绍其基本原理、发展历程、现状以及未来的发展趋势。
通过总结现有方法的优点和不足，为未来的研究提供参考和借鉴。
同时，本文还将探讨当前面临的挑战和未来的研究方向，为智能交通系统的进一步发展提供有益的探索和启示。
1. 智能交通系统概述智能交通系统（Intelligent Traffic Systems，ITS）是信息技术、数据通信技术、传感器技术、电子控制技术以及计算机技术的综合应用，旨在构建一种大范围内、全方位发挥作用的实时、准确、高效的综合运输和管理系统。
基于视频车辆运动轨迹场的交通事件检测方法
基于视频车辆运动轨迹场的交通事件检测方法交通事件检测是指利用视频车辆运动轨迹场进行交通事故、交通拥堵等交通事件的实时监测和预警的方法。
基于视频车辆运动轨迹场的交通事件检测方法，主要通过分析视频中的车辆运动轨迹场，提取其中的特征信息，使用机器学习和计算机视觉的方法来检测交通事件。
本文将介绍交通事件检测的流程和主要方法，以及相关应用和未来发展方向。
交通事件检测的流程主要包括数据采集、特征提取和事件检测三个步骤。
首先，需要利用视频摄像头等设备对道路上的车辆进行采集，获取车辆的位置、速度、方向等信息，形成视频车辆运动轨迹场。
接下来，通过对视频车辆运动轨迹场进行处理和分析，提取其中的特征信息。
最后，利用机器学习和计算机视觉的方法，对提取的特征信息进行分类和判断，判断是否发生交通事件。
在特征提取方面，可以利用车辆的位置、速度、加速度等信息来构建特征向量。
例如，可以根据车辆在一段时间内的速度变化情况来判断是否发生交通拥堵。
此外，还可以利用车辆之间的相对位置关系来判断是否发生交通事故。
例如，如果车辆之间的距离大于一定阈值，则可能发生了事故。
在事件检测方面，可以使用机器学习方法来进行分类和判断。
可以收集一定数量的正常和异常的视频车辆运动轨迹场数据，并将其分为训练集和测试集。
然后，使用机器学习算法，如支持向量机（SVM）、卷积神经网络（CNN）等，对训练集进行训练，得到分类模型。
最后，使用分类模型对测试集进行测试，判断是否发生交通事件。
交通事件检测方法可以应用于交通管理、交通安全等领域。
例如，可以利用交通事件检测方法对交通拥堵进行实时监测和预警，帮助交通部门及时采取措施减缓交通拥堵。
此外，还可以利用交通事件检测方法在交通事故发生后及时发出预警，帮助救护车等应急车辆快速抵达事故现场。
未来，交通事件检测方法可以进一步发展和完善。
一方面，可以进一步改进特征提取方法，提高特征的准确性和效率。
另一方面，可以引入更先进的机器学习和计算机视觉的方法，提高交通事件检测的准确率和实时性。
车辆抓拍监控系统设计方案
车辆抓拍监控系统设计方案概述车辆抓拍监控系统是一种基于视频监控技术的交通安全监控系统，可以对路口、路段等场所进行车辆抓拍监控，实现对违规驾驶等交通违法行为的监控和管理，从而提高交通安全保障水平。
本文将从系统架构、功能模块、技术方案等角度，对车辆抓拍监控系统的设计方案进行详细阐述。
系统架构车辆抓拍监控系统是由前端监控设备、后端数据管理服务器和业务管理平台三个部分组成。
前端监控设备前端监控设备是车辆抓拍监控系统的核心组成部分，包括监控摄像头、图像处理器等设备。
监控摄像头负责对交通场所进行实时视频监控，将采集到的视频信号传送到图像处理器进行图像分割、目标检测、行为分析等处理。
后端数据管理服务器后端数据管理服务器是车辆抓拍监控系统的数据处理和存储中心，负责接收、存储、处理前端监控设备传来的视频数据和实时监控信息，对数据进行分析、处理、统计和管理。
业务管理平台业务管理平台是车辆抓拍监控系统的用户界面，包括Web管理界面和移动端APP。
通过管理平台，用户可以进行实时监控、系统设置、数据查询和报警处理等操作。
功能模块车辆抓拍监控系统的功能模块主要包括视频监控、车辆识别、车道占用检测、违规停车监测、实时报警等。
视频监控车辆抓拍监控系统的核心功能之一是视频监控，通过监控设备对路口、路段等场所进行实时视频监控，对行驶中的车辆进行实时拍摄，提供可视化监控。
车辆识别车辆识别是车辆抓拍监控系统中的另一个重要功能模块。
通过图像处理技术，对视频中的车辆进行识别和分析。
识别率高、速度快，可以自动识别车辆类型和车牌号码信息。
车道占用检测车道占用检测是车辆抓拍监控系统中的一个重要安全保障模块。
当车辆在车道内停留超过规定时间或者车道内车辆数超过规定数量时，系统会自动报警。
通过车道占用监测，可以避免拥堵和车祸的发生。
违规停车监测违规停车监测是车辆抓拍监控系统中的一个重要防范模块，可以实现对违规停车行为的监控和管理，有效提高交通治理效率。
基于视频图像的车辆检测、跟踪与流量统计
清华大学综合论文训练题目：基于视频图像的车辆检测、跟踪与流量统计系别：电子工程系专业：电子信息工程姓名：鹿文浩指导教师：王生进教授2008 年 6 月 12 日中文摘要本文针对视频监控中的车辆检测跟踪问题，具体研究了在昼间车流密度较高情况下以及在夜间车辆的检测与跟踪算法。
首先针对昼间车流密度高的特点将类Haar+Adaboost分类器的统计学习方法用于昼间车辆检测，并在检测后进行一定后处理去除虚警。
实验结果表明，在车流密度较高的情况下仍能快速地检测出车辆，明显优于运动目标检测的效果。
其次针对夜间车辆特征不丰富的难点以Hough圆检测为核心，设计了一种夜间车辆检测方法。
实验结果表明，在车流较稀疏的情况下，该方法能够正确且快速地检测出车辆，是一种可行有效的夜间车辆检测方法。
然后针对昼间、夜间车辆检测结果的漏检、错检问题，提出了一种基于Kalman滤波器的4状态跟踪算法，通过跟踪算法不仅前后帧车辆信息联系起来，也去掉了一些虚警并在一些帧中补全了漏检的车辆，使检测效果变得更加稳定。
最后加入了分车道车流量统计模块，并设计了界面，完成了一个完整可用的车辆检测跟踪与流量统计系统。
关键词：车辆检测车辆跟踪类Haar特征 Adaboost级联分类器 Hough 圆 Kalman滤波器4状态跟踪算法ABSTRACTAiming at car detecting and tracking problems in video monitoring and controlling system, this paper mainly studies car detecting and tracking problems in the conditions of high traffic density in daytime and normal traffic density at night.In order to coping with the condition of high traffic density, we bring in the Adaboost learning algorithm with Haar-like features and propose some afterwards process. Our experiment results show that this algorithm has an advantage over moving object detecting algorithm obviously.As there is much less feature of car at night compared to it is in daytime, we propose a night car detecting algorithm that focuses on Hough circle detecting. Our experiment results show that it is a fast and usable algorithm when facing the night car detecting problem except that the traffic density is too high.After these works, we propose a tracking algorithm named 4-states tracking algorithm based on Kalman filter. This algorithm not only links up the car information between different frames, but solves some problems in car detecting part like false hits and miss hits.At last, we implement a complete car detecting, tracking and traffic statistics system with a friendly interface.Keywords：car detecting car tracking haar-like adaboost cascade Hough circle Kalman filter 4-states tracking目录第1章引言 (1)1.1 视频交通监控系统研究背景 (1)1.1.1 ITS简介 (1)1.1.2 基于视频图像的监控方法 (1)1.1.3 交通流量统计的重要性 (2)1.2 基于视频图像的车辆检测跟踪系统一般框架 (2)1.2.1 预处理模块 (2)1.2.2 识别模块 (3)1.2.3 检测模块 (4)1.2.4 跟踪模块 (4)第2章车辆检测跟踪研究现状 (5)2.1 昼间车辆检测方法 (5)2.1.1 运动目标检测算法概述 (5)2.1.2 背景差法 (5)2.1.3 背景建模方法[6] (5)2.1.4 帧间差法 (6)2.1.5 运动目标检测的优缺点 (6)2.2 夜间车辆检测方法 (7)2.3 车辆跟踪方法 (8)2.3.1 车辆跟踪的目的 (8)2.3.2 Kalman滤波原理介绍[7][8] (8)2.3.3 车辆跟踪中的Kalman滤波模型 (10)2.3.4 基于Kalman滤波器的车辆跟踪算法 (11)第3章基于统计方法的昼间车辆检测 (15)3.1 基于统计的分类器训练方法概述 (15)3.2 Adaboost基本理论[10] (15)3.3 基于类Haar特征的Adaboost强分类器 (16)3.3.1 特征的选择 (16)3.3.2 一级强分类器的形成[10] (18)3.4 强分类器的级联[10] (19)3.4.1 级联的意义 (19)3.4.2 级联强分类器的训练方法 (19)3.5 后处理 (20)3.5.1 后处理的意义 (20)3.5.2 后处理的方法 (20)3.6 实验结果 (21)3.6.1 加入后处理前后的比较 (21)3.6.2 与运动目标检测的比较 (23)第4章基于Hough圆的夜间车辆检测 (25)4.1 Hough检测原理[14] (25)4.2 车灯检测流程 (27)4.2.1 车辆检测整体流程 (27)4.2.2 灰度分割提取车灯 (27)4.2.3 子图切割、Hough圆检测并恢复坐标 (28)4.3 车灯匹配 (28)4.3.1 车灯匹配的目的 (28)4.3.2 双向匹配法 (28)4.4 实验结果 (29)第5章基于Kalman滤波的改进车辆跟踪 (31)5.1 车辆跟踪所面对的问题 (31)5.1.1 检测结果的不足 (31)5.1.2 常见情况 (31)5.2 4状态跟踪法 (32)5.2.1 检测态 (32)5.2.2 准备锁定态 (32)5.2.3 锁定态 (33)5.2.4 准备失锁态 (33)5.2.5 状态转换方式 (33)5.2.6 其他问题 (34)5.3 实验结果 (34)第6章总结和展望 (37)6.1 工作总结 (37)6.2 前景展望 (39)6.2.1 新的特征 (40)6.2.2 新的系统结构 (40)6.2.3 更加稳定地车灯提取方法 (40)6.3 心得体会 (40)插图索引 (41)表格索引 (43)参考文献 (45)致 谢 (47)声 明......................................错误！未定义书签。
基于计算机视觉的智能车辆识别与跟踪系统设计
基于计算机视觉的智能车辆识别与跟踪系统设计智能车辆识别与跟踪系统的设计是基于计算机视觉技术，在车辆识别和跟踪方面发挥着重要的作用。
该系统可以通过图像或视频数据对道路上的车辆进行自动识别和跟踪，为交通管理、安全监控以及智能交通系统等领域提供有力支持。
一、系统设计目标智能车辆识别与跟踪系统旨在实现以下目标：准确识别道路上的车辆；实时跟踪车辆的位置和动态行为；提供可靠的车辆信息用于其他应用；具备较高的鲁棒性和实时性。
二、系统设计原理智能车辆识别与跟踪系统的设计基于计算机视觉技术。
其主要框架包括图像采集、预处理、特征提取、车辆识别与跟踪等步骤。
1. 图像采集系统通过摄像头或其他图像采集设备获取道路上的车辆图像或视频。
采集设备的性能和布置位置对系统效果有重要影响，应根据具体应用场景进行选择和调整。
2. 预处理采集到的图像或视频数据需要进行预处理，以消除干扰和提高后续处理的效果。
预处理包括图像去噪、图像增强、图像分割等操作。
通过这些操作，可以得到清晰、准确的车辆图像，为后续的特征提取提供良好的基础。
3. 特征提取特征提取是智能车辆识别与跟踪系统的关键步骤。
系统需要从车辆图像中提取出能够表征车辆特征的关键信息。
常用的特征包括车辆颜色、形状、纹理等。
可以采用传统的特征提取算法，如Haar特征、SIFT特征等，也可以使用基于深度学习的卷积神经网络（CNN）进行特征提取。
4. 车辆识别与跟踪在获得了车辆的特征信息后，系统需要将其与已知的车辆模型进行比对，以实现车辆的识别。
识别结果可以用于车辆分类、车辆计数、车辆检测等应用。
同时，系统还需要实时跟踪车辆的位置和运动轨迹，以提供准确的车辆信息。
跟踪算法可以采用相关滤波器、卡尔曼滤波器等传统方法，也可以使用基于深度学习的目标跟踪算法。
三、系统设计关键技术与挑战智能车辆识别与跟踪系统的设计涉及到许多关键技术和挑战。
以下是其中一些主要方面：1. 图像处理和分析图像处理和分析是智能车辆识别与跟踪系统的基础。
基于视频分析技术的交通事件检测系统
科 技 转 移
基于视频分析技术的交通事件检测系统
随着社会的发展、城市化推进 ，我国交通信息化建设得到高速发展。道路视频监控规模迅 速扩大 ，通过人工检测车辆运行状况已经很淄 菌足日益复杂的交通管理的需要 。科学技术 Ｂ ｇ ， Ｔ＃Ｌ ￣ ５－ ． ，基于视频进行交通事件自动榆 则变成现实 ，建设基于视频的交通事件 则与
项 目概 况
事｛ 牛 管理 系统也变得 非常必要 。
本项 目研 发的交 通智 能视 频分 析系统 主要 应 用在高 速公 路 、城市 道路 、轨 道交 通等行业 。 通过视频检测 ，实现交通违法检测、交通事件检测 、交通参数提取，并完成针对视频录像 实时报警、查询回放、数据统计等功能的交通事件管理系统 ，为交通管理提供智能化管
、
理手 段 。
预 计 经 济 效 益 在 项 目完成 后 三 年里 销 售 额 累 计 将 达 到 ３ ３ ３ Ｏ 万 元 ，赢利 达 到 １ ０ ４ ４ ． ６ ） ９ － 元 。从而 带 动 经济 发展 ，带 来 高税 收 回报 ，并 提 供一 定 的 就业 机 会 。
冒 中 国 科 学 院 北 京 国 家 技 术 转 移 中 心
基于DM6446的视频车辆检测跟踪系统设计和实现
吴忻 生 ， 一 何银 强 戚 其丰 ， 凯春 ， ＇徐
（ 南理 工 大 学 ，． 华 ａ 自动 化 科 学 与 工程 学 院 ；． 密 电子 制 造装 备 教 育 部 工程 研 究 中心 ， 东 广 州 ５０ ４ ） ｂ精 广 １６ ０
【 ｂｔ ｃ】 ｎｏ ｅ ｔｍ ｋ ｉｒ ｕ ｄｎｅｉ ｎ ｖ ｅ ｒ ｉａｃ ｓ ｍｍ ｅｔ ｔｌｅｃ ａｓｏｔｉ ’ ｎｅｓ ｖ ｅ ｈ ｌｄｔ ｔｎ ｔ ｃ— Ａ ｓ ａｔ Ｉ ｒ ｒｏ ａｅ ｓｉ ｔ ｔｌ ｅｔ ｉ ｏ ｕｖ ｌｎｅ ｙｔ ｅｔｈ ｉｅｉ ｎｅ ｒ ｐｒｔｎ ｓ ｅｄ ，ｉ ｏｖ ｉｅ ｅ ｃｏ—ｒ ｋ ｒ ｄ ｄ ｔｂ ｅ ｉ ｌｇ ｄ ｓ ｅｌ ｓ ｅ ｅ ｎ ｌｇ ｔ ｎ ａｏ ｄ ｅ ｃ ｅｉ ａ
ＷＵ Ｘｎｈｎ ＨＥＹ ｎｉｎ Ｉ ｉ ｎ ， Ｕ Ｋ ｉｈｎ ｉｓｅ ｇ ｉｑａｇ ，Ｑ ｆ ｇ Ｑｅ Ｘ ａ ｕ ｃ
（ ．Ｃｌｇ Ａ ｔ ａｉ ｃ ｎｅ ｎ ｎｉ ｅ ｎ ； ． ｎ ｉ ｅ ｎ ｅ ａｃ Ｃｎ ｒ ａ ｏ ｅ Ｄ ｕ ｍ ｔ ｎ ｉ ｃ ａｄＥ ｇｎ ｒ ｇ ｂ Ｅ ｇｎ ｒ ｇＲ ｓ ｒ ｅｔ ｌｅ 厂 ｏ ｏ Ｓ ｅ ｅｉ ｅｉ ｅ ｈ ｅ Ｐ ｅ ｓ ｎ ｌ ｔ ｎ ａ ｕ ｃ ｒ ｇＥ ｕ ｍ ｎ ， ｏｔ Ｃ ｉ ｎ ｅ ｉ ｃ ｏ ， ｕ ｎｚｏ １ ４ ， ｈ ａ ｒ ｉ ｅ ｒ ｉ Ｍ ｎ ａｔ ｉ ｑｉ ｅ ｓ Ｓｕ ｈ ａＵ ｉ ｒｔ ｏ ＾ ｚ ｃｉ Ｅ ｃ ｏ ｃ ｏ ｆ ｕｎ ｐ ｔ ｈ ｎ ｖ ｓｙ 厂 ｎ ０ Ｇ ａ ｇ ｕ ０ ０ Ｃ ｉ ） ｈ ５ ６ ｎ
【 摘 要 】针 对智 能 交通对分 布 式智 能视 频监控 的 需求 ， 计 了基于 Ｄ ４ ６嵌 入 式 系统 的视 频车 辆检 测 跟 踪 系统。 提 出一 设 Ｍ６ ４ 套简 单有 效 的车辆 检测 跟踪 算法 ， 括 自适应 背景 更新 算法 、 于边 缘检 测 和 最优 双 阈值 分 割 融合 的运 动 区域检 测 、 包 基 改进 的 快速连 通 区域 判 断方法 以及 基 于多特征 的跟踪 算法 。 同时， Ｄ ４ ６平 台软硬 件及其 开发方法进 行介绍 ， 对 Ｍ６４ 并针 对该 平 台介 绍 了如何 移植和代 码优 化。最终 通过在 Ｄ ４ ６平 台实际运行 表 明， 系统能 实 时有 效地 检测 和跟 踪 车辆 ， 有较 高准 确 率和 稳 Ｍ６４ 该 具
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要当今科技飞速发展，带来了智能交通的空前发达，也为经济可持续发展做出一定贡献。
交通运输在一个国家的经济社会发展中起着助推器的作用。
交通运输的监控与管理智能化也变得尤为重要。
基于视频的车辆检测作为智能交通系统的基石，具有直观性、大范围检测、安装和维护方便等优势，成为采集交通信息技术的有力工具。
因而视频车辆检测研究具有非常重要的意义。
本论文首先介绍了图像检测的研究背景以及发展情况，然后重点介绍了本论文中进行车辆检测的技术和方法。
该方法先对图像进行灰度值化处理，中值滤波处理及二值化处理，然后利用车辆移动的特点进行检测，最后将移动中的车辆进行加框标记。
实验结果表明, 本程序设计能够在一定的误差范围内实现对移动车辆进行检测。
且效果良好。
本文视频车辆检测系统是采用图像处理的方法进行设计，本研究有着一定的现实意义。
关键词：智能交通；车辆检测；图像处理；MATLABAbstractToday, science and technology develop quickly. And it make Intelligent Transportation System was more developed. It has also made a certain contribution for the sustainable development of economy. Transportation plays the role of booster in economic and social development of a country. It is important that make monitoring and management of transportation to be more intelligence. Vehicle Detection System that bases on the video is footstone of Intelligent Transportation System. It can watch easily. It can do a large-scale detection. And its installation and maintenance is convenient. It will be a helpful tool of collecting the information of traffic. So it has an important meaning for researching the detection of vehicles.This dissertation introduces the background of the research and the development of the situation. Than introduces the technology and method of Vehicle Detection System detailed. The method is to make the image gray processing, median processing and binary image processing at the first. Using the characteristics of vehicle moving detects vehicles at the second. Finally, sign frames on vehicles. The experimental results show that the program can detect the moving vehicles within a certain range of error and has good result.This Vehicle Detection System that bases on the video designed with the technology of image processing. It is of practical significance in this research.Key words:intelligent transportation; vehicle detection; image processing; MATLAB目录摘要 (I)Abstract (II)目录 (III)1 绪论 (1)1.1 课题背景与意义 (1)1.2 国内发展概况 (1)1.3 视频车辆检测系统概述 (2)1.4 图像处理概述 (3)1.5 本课题工作与结构安排 (3)1.6 开发工具及运行环境 (4)2 软件介绍 (5)2.1 MATLAB 概况 (5)2.2 MATLAB的语言特点 (6)2.3 基本运算与函数 (7)3 基于视频的车辆检测方法 (15)3.1 基于视频的车辆检测方法 (15)3.1.1 基于帧间差分的方法 (15)3.1.2 基于光流场的方法 (15)3.1.3 基于背景差的方法 (16)3.2 车辆阴影分割技术 (16)4 车辆目标的图像处理方法 (17)4.1 彩色图像灰度化 (17)4.2 图像分割 (19)4.2.1 阈值分割方法 (19)4.2.2 最大方差自动取阈值（自适应二值化） (19)4.2.3 基于边缘检测的图像分割 (22)4.3 基于数学形态学分析 (24)4.3.1 图像形态学处理 (24)4.3.2 实验结果比较 (26)4.4 图像填充 (27)5 基于帧间差分法的车辆检测盒计数方法 (29)5.1 帧间差分法 (29)5.2 二值化 (29)5.3 形态学滤波 (30)5.4 系统流程图 (31)5.5 分析目标物体和计数 (32)6 结论与展望 (35)6.1 结论 (35)6.2 不足之处与对未来的展望 (35)致谢 (37)参考文献 (38)附录 (39)基于视频的车辆检测系统1 绪论1.1 课题背景与意义当今科技飞速发展，带来了智能交通的空前发达，也为经济可持续发展做出一定贡献。
交通运输在一个国家的经济社会发展中起着助推器的作用。
随着交通运输业的高速发展，交通堵塞、事故等等负面效应也日益突出，并越发成为全球性共同问题。
针对日益严重交通需求，有限的资源和日益恶化的环境，需要依靠新的办法来控制交通需求。
智能交通系统正在这样的矛盾中应运而生。
智能交通系统（ITS），随着信息技术、计算机技术、数据通信传输技术、模式识别技术、图像处理技术等学科的迅猛发展，得到了日益广泛的应用，极大提高了交通管理的智能化、科学化、规范化水平。
特别是计算机视觉技术的发展为提高交通系统智能化程度，提供了有效手段。
要从根本上解决这些问题，必定要实现交通运输系统的智能化，使交通运行处于最佳状态，改善交通堵塞，提高运输能力和整个交通系统的机动性、安全性和效率。
智能交通系统是目前交通领域的重要研究课题之一。
实时动态的交通信息是实现交通智能化的关键所在。
作为交通流基本参数之一，实时计数也具有基本的交通流特性，它的采集手段很多，目前比较成熟的有磁性检测、电磁波检测等。
而在道路实时行车流的采集和应用处理是ITS各有关项目如：城市公共交通智能化调度系统、自动驾驶系统、物流管理系统实施的基础数据和重要前提之一。
目前有关实时车流信息采集、维护以及处理的研究有了很大发展。
计算机和电子信息技术的高速发展，使得数据处理加工能力逐步增强，为图像处理、计算机视觉和模式识别技术应用于智能交通信息采集提供了强有力的保障。
该系统通过摄像机对交通信息流进行摄像，利用图像处理和模式识别技术对连续的交通信息流进行处理，以此达到监测交通信息流的目的。
同时，现场的交通视频信号也能够为电视监控共用。
近年来，该系统得到快速发展，作为一种检测手段，视频检测技术所提供的丰富交通信息，以及所具有的各种优点，都是其他方法难以比拟的。
本文是基于视频图像处理的车辆信息处理系统，重点研究实时车辆检测以及车辆计数涉及到的相关内容和算法，其目的是提高交通管理的自动化、现代化水平。
其中所有的数字图像处理都通过MATLAB仿真实现，通过本文的研究也以后相关开发应用积累经验。
1.2 国内发展概况目前，国外一些发达国家的摄像机以及图像采集卡都处于先进水平，在视频运动检测和图像处理方面的技术也比较成熟，从而开发出的汽车检测系统也会具有相当高的性能。
而国内与其比较还有相当大的差距，国内对智能的车辆检测系统的研究起步比较晚。
车辆检测系统也是从国外引进，通过学习外国的技术与国内自身的交通情况以及车辆特点相结合起来开发的产品。
国内车辆检测按照时间与技术的发展过程可分为以下4个：（1）普通照相机式在80年代这种由普通张相机和车辆感应线圈结合的方式使用的普遍。
这种组合方式简单，投资少，抓拍图片分辨率高，但缺点是需要每天人工更换胶卷进行冲洗，且白天宇夜晚需要使用不同的胶卷，费用较高。
用于夜间拍摄的补光闪光灯也不易维护。
（2）数字照相机在90年代这种使用数码相机与车感线圈的组合用的相对普遍。
这是对第一种方式的改进，它可以直接将抓拍下的图片数字化后存储在闪存卡上，或者通过通信接口存入计算机中。
这种方式可以拍摄出高分辨率的照片同时又省去了人工更换胶卷冲洗的麻烦，但在维护方面仍然存在艰难的问题。
（3）视频感应线圈式在90年代后期至2000年早期这种由工业摄像机与感应线圈与工业控制计算机构成的系统使用的比较多。
它首先通过感应线圈来检测车辆，接着使用工业控制计算机来控制工业摄像机抓拍车辆照片保存到计算机中。
和以上2种方式相比，这种方式使得人工量与工作量大大的减少，但仍使用感应线圈，所以在维护方面还是比较麻烦。
（4）视频检查式在2000年以后至今这种由工业摄像机与工业控制计算机构成的方式使用的普遍。
它不需要使用感应线圈检测车辆，而是由计算机对监视区域的实时的图像进行分析处理，从而判断是否有车辆违章。
它可以把工业控制计算机抓拍到的图像数字化后直接存入硬盘中，再通过电话线传送到相关部门，无需人工操作。
这种方式采用的超级动态调整低照度摄像机利用路灯、车牌灯和追尾灯就可以进行有效的抓拍且不需要安装闪光灯，不仅抓拍速度大大提高，在存储量自动化方面也有着巨大的优势，应用范围广。
基于视频的车辆检测系统不需要物理检测线圈，采用虚拟线圈来代替。
采用基于图像的车辆运动检测算法来检测车辆运动。
这种方法不需要人工更换胶卷冲洗照片，也不需要挖开路面，维护方便。
可以说基于视频的汽车检测系统将被普遍使用，是今后发展的方向。