（系统工程专业论文）基于视频的混合交通流检测与跟踪研究.pdf

摘要 混合交通流又称为非同质交通流，是指多种交通参与者，包括摩托车、白行 车、行人与机动车共用车道的交通流。我国的混合交通流现缘普遍，对混合交通 流的研究具有重要意义。智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，简称 i t s ) 是交通可持续发展的必由之路，交通检测系统是为i t s 提供数据支持的重 要基础，其理论研究与t 程实现历来受到人们高度霞视。由于信息技术的飞速发 展，视频检测技术日益显示出极大的优势。本文针对智能交通研究对交通数据的 实际需求，在建立混合交通流视频榆测系统的基础上，重点研究了交通目标检测、 分类和参数提取的算法，全文的主要研究工作及相关成果总结如下： 1 建立了基于视频的混合交通流榆测系统。该系统核心部分由交通目标检 测、目标跟踪、日标分类和交通参数提取四部分构成，系统所提取出的交通数据 被用于作为智能交通模型研究的实际验证。 2 在图像处理层面，提出基于卡尔曼滤波器白适应背景模型改进方法，以得 到更为可靠和快捷的背景图像；设计交通目标跟踪链及其产生、更新和消亡算法； 应用目标区域特征与运动特征于跟踪匹西己度计算，完成日标跟踪；应用成像变换 技术，获取目标在真实路面交通参数。 3 在交通日标分类层面，提出基于交通轨迹分析的三类特征：最大偏移量、 平均偏移距离和轨迹傅立叶算子，并在基于支持向量机的分类方法基础上，完成 混合交通流交通日标分类。根据自行车成群性和群形状多变性，提出基于决策树 的自行车群识别方法。 4 在交通参数提取层面，本文系统阐述了交通目标的形状参数和运动参数的 定义和获取。针对高密度自行车群的实际特性，提出基于面积阂值的车辆计数方 法。 关键词：智能交通系统，混合交通，视频检测，交通日标分类，交通参数 i i i a b s t r a c t m u l t i t r a f f i cf l o w , a l s ok n o w nf i t s n o n h o m o g e n e o u st r a f f i cf l o w , r e f e r st ot h e t r a f f i cf l o w w i t hav a r i e t yo ft r a f f i cp a r t i c i p a n t s ，i n c l u d i n gm o t o r c y c l e s ，b i c y c l e s ， p e d e s t r i a n sa n dm o t o rv e h i c l e ss h a r i n gt h es a m el a n e c h i n ai sat y p i c a lc o u n t r yw i t h m i x e dt r a f f i cf l o w t h ei n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ( i t s ) w o u l db eal o n g - t e r m t r e n di nt h ew o r d t h et r a f f i cd e t e c t i o ns y s t e mp l a y sa ni m p o r t a n tr o l ei nd a t a s u p p o r t i n go fi t s t h et r a f f i cv i e d od e t e c t i o nt e c h n o l o g ys h o w sg r e a ta d v a n t a g et o t h eo t h e rs e n s o rt e c h n o l o g y , d u et ot h er a p i dd e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o d g e b a s e do nt h ed e v e l o p m e n to ft h em u l t i - t r a f f i cv i d e od e t e c t i n gs y s t e ma n dt h e d e m a n do fa c t u a ld a t af o rm u l t i - t r a f f i cr e s e a r c h ，t h i sp a p e rm a i n l yd i ds o m er e s e a r c h o nt h ea l g o r i t h m so ft r a f f i co b j e c t sd e t e c t i n g ，c l a s s i f y i n ga n dt r a f f i cp a r a m e t e r s f e t c h i n g t h em a i nc o n t e n t sa n dc o n t r i b u t i o n sc o u l db es u m m a r i z e da sf o l l o w s ： 1 av i d e o b a s e dm u l t i t r a f f i cd e t e c t i n gs y s t e mw a sd e v e l o p e dt od e t e c t ，t r a c ka n d c l a s s i f yt h et r a f f i co b j e c t sa n dg e tt h e i rt r a f f i cp a r a m e t e r s t h et r a f f i cp a r a m e t e r s e x t r a c t e db yt h es y s t e mw e r eu s e di nt h et r a f f i cr e s e a r c h 2 i m p r o v e dk a l m a nf i l t e r i n gb a s e da d a p t i v eb a c k g r o u n dm o d e l ，w h i c hl e a dt oa m o r er e l i a b l ea n de f f i c i e n tb a c k g r o u n di m a g e d e s i g n e dt h et r a f f i co b j e c tt r a c k i n g c h a i n ，a n ds e ti t sg e n e r a t i n g ，u p d a t i n ga n de l i m i n a t i o na l g o r i t h m t h eo b j e c t s a r e a f e a t u r e sa n dm o t i o nf e a t u r e sw e r ea p p l i e dt oc a l c u l a t et h em a t c h i n gd e g r e et ot r a c k t h et r a f f i co b j e c t t h er e a lw o r l dp a r a m e t e r so ft r a f f i co b j e c t sw a sf e t c t c h e dw i t ht h e a p p l i c a t i o no fi m a g i n gt r a n s f o r mt e c h n i q u e s 3 a tt h el e v e lo ft r a f f i co b j e c t sc l a s s i f i c a t i o n ，t h i sp a p e rp r o p o s e dt h r e ef e a t u r e s ： t h ea v e r a g es h i f t i n ga r e a ，t h em a x i m u ms h i f t i n gd i s t a n c ea n dt h ef o u r i e rd e s c r i p t o ro f t h et r a c k t h ec l a s s i f i c a t i o nw a sb a s e do ne i g h tf e a t u r e sa n ds v m ( s u p p o r tv e c t o r m a c h i n e ) an e wb i c y c l e sr e c o g n i t i o nm e t h o du s i n gd e c i s i o nt r e ew a sp r o p o s e di n c o n s i d e r i n go f t h ep r o p e r t i e so ft h eb i c y c l e sa n dg r o u po fb i c y c l e s 4 a b o u te x t r a c t i o n ，t h i sp a p e rs y s t e m a t i c a l l ye x p o u n d e dt h ed e f i n i t i o na n d v c a l c u l a t i o no ft h et r a f f i co b j e c t s s h a p ep a r a m e t e r sa n dm o t i o np a r a m e t e r s o nt h e o t h e rh a n d ，ac o u n t i n ga l g o r i t h mb a s e do na r e at h r e s h o l dw a sp r e s e n t e dt of e t c ht h e p a r a m e t e r so fb i c y c l e si nh e a v ym u l t i t r a f f i cs c e n e k e yw o r d s ：i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，m u l t it r a f f i c ，v i d e od e t e c t , t r a f f i co b j e c t sc l a s s i f i c a t i o n ，t r a f f i cp a r a m e t e r s 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也刁i 包含为获得堑望盘堂或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明并表示谢意。 躲鲣够期：纱他多以 学位论文版权使用授权书 本学位论文作者完全了解逝婆盘堂有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和 借阅。本人授权迸姿盘堂可以将学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 多月t7 日 学位论文作者毕业后去向： t 作单位：北京全路通信信号研究设计院 通讯地址：北京市丰台区华源一里1 8 号楼 导师虢砂 签字日期：矽如年专月二7 日 电话：1 5 8 6 8 4 5 2 1 8 9 邮编：1 0 0 0 7 3 名 ，幻 馘协 黜 纱 文 期 沦 日 位 字 学 签 致谢 老和i i i 下，西子湖畔，杭城风物，依稀如是，悠悠七载，求是之路。忆昔来 时，懵懂未开；复观如今，风华正茂! 值此硕士论文完成之际，心中充满感激! 感谢我的导师王慧教授! 在我的整个硕士阶段，您给了我无数指导。从第一 次课题组汇报，到第一个软件著作权，到第一篇论文我的每一次进步，都离 不开您的指导。您严谨的治学态度、勤勉踏实的工作作风和豁达的心胸，给了我 潜移默化的影响，也将使我终生受益。 感谢李平教授! 您开阔的思维、敏锐的洞察和严谨的思考，给了我许多启迪。 您在生活上的平易近人给我一种春天般的温暖。 感谢刘泓老师、闻育老师和宋春跃老师! 刘老师在专业领域给了我许多指导、 帮助和批判，让我明白永远没有完美，只有做得更好! 闻育老师和宋老师总是给 出许多新的思路和方法，大大开阔了我的思维。宋老师还在太极拳的习练上与我 互相切磋，您是我的良师，更是我的益友! 感谢实验窜已经毕业的师兄师姐们：李伯健、王锦芳、冯毅恒、杜学艳、周 春芳、牡一川、邹振字、沈旗、钱蓓蕾，虽然和你们接触的机会不多，但每次和 你们相聚，我都会受到许多教益。 感谢曾经或正在与我朝夕奋战的智能交通课题组的其它成员：罗莉华、贺明、 武欣、杨珍、孙伟力、张兰渝、龚李龙、沈逢春，我们为了共同的目标而努力， 我们相互帮助，共同前进，一同度过许多美好时光。 感谢在我求学期间给过我关怀和帮助的所有老师们，我的所有好朋友们，没 有你们，我的大学时光绝4 i 会这么充实和快乐! 最后，我要深深地感谢我的父母和亲人，感谢你们多年来对我的疼爱、教育 和培养! 愿你们身体健康，永远开心! 盛能 2 0 0 9 年1 月于求是同 浙江大学硕士学位论文 1 绪论 摘要：首先介绍我国混合交通流的现状，智能交通系统的概念和交通研究对实际 数据的需求，分析并比较目前的交通检测技术，归纳了基于视频的交通检测技术 的优点；然后概述国内外在交通视频检测上的研究现状，最后提出混合交通流视 频检测系统的架构。 关键词：混合交通；智能交通系统；交通视频检测 1 1 课题背景和研究意义 1 1 1 混合交通下的i t s 近年来，随着国民经济的迅速发展，我国的交通运输事业得到了空前迅猛的 发展。特别是我国的陆上交通，从国道、高速公路到地方公路等不同级别的公路 组成了辐射全国的公路网。与此同时，城市道路建设也有了较大发展。城市干线 的建设、交通管理设备的更新和增加，使得城市交通条件有所改善【l j 。 然而随着社会经济高速发展和交通机动化水平的迅速提高，城市交通问题日 益严峻，交通阻塞，交通事故频繁发生，简单地进行道路扩建已经无法完全解决 现今的交通问题。如何在不同城市建立行之有效的智能运输系统，如何快捷地进 行交通监控、交通调度和交通控制已经成为当前亟待解决的问题。 智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，简称i t s ) 是将先进的计算 机技术、信息技术、通信技术、控制技术和人工智能等有效地综合运用于交通运 输、服务控制和车辆制造等，把车辆、道路、使用者紧密结合起来，形成一种实 时、准确、高效的综合运输系统【2 1 。在公路运输领域，该系统将采集到的各种道 路交通信息及服务信息经交通管理中心集中处理后，传输到公路运输系统的各个 用户，出行者可以实时选择交通方式和交通路线，交通管理部门可自动进行合理 的交通疏导、控制和事故处理；运输部门可随时掌握车辆的运行情况，进行合理 调度。由此可见，道路交通信息如车流量、车型、车速、车辆运行轨迹等基本交 通参数的获取是i t s 发挥作用的前提和基础。 第章绪论 在实际的城市交通环境中，尤其是在我国这样典型的混合交通系统中，非机 动车和行人是城市交通的主要参与者之一，与机动车辆共同构成交通主体，不容 忽略。在混合交通中，非机动车的数量达到了交通总量的2 5 一5 5 ，且非机动 车以自行车为主。在未来相当长的一段时间内，机动车、非机动车与行人组成的 混合交通流仍将是我国城市交通的显著特征。而目前开展的城市交通系统研究 中，把车辆作为重点，而很少考虑非机动车和行人交通，主要评价指标为机动车 辆的延误、排队长度等，因此研究混合交通流的交通数据检测对实现安全高效的 城市交通具有重要意义。 而且，在国家高技术研究发展计划( 8 6 3 计划) 课题“基于混杂模型与在线数据 融合的城市交通仿真与评估技术”的各项研究中都显现了对交通数据基础性的需 求，所以，用各种方法获取交通数据已是一件非常迫切的事。 1 1 2 交通检测技术 交通检测技术为智能交通系统提供历史或实时的数据，如目标计数、速度检 测、目标分类、跟踪等，它可以分为插入式、非插入式和道路无关技术 ( o f f - r o a d w a yt e c h n o l o g i e s ) 。插入式交通传感器被安装在路面下或横穿路面； 非插入式传感器可以被安装在路面一侧的上方，对交通流的影响微乎其微。道路 无关技术不需要任何具体的仪器安装在测试区域。下面是对每一类检测技术的典 型方法的介绍。 插入技术： 插入技术指需要将传感器直接安装在路面内，在安装和维修传感器时，会对 交通产生一定的影响，不好的路面状况有可能会损坏传感器，在道路修理或重铺 路面时系统只能重新安装。插入技术的例子包括感应线圈( i n d u c t i v el o o p ) ，气 动道路导管和运动称重系统( w e i g h i n - m o t i o ns y s t e m ) 非插入技术： 非插入技术不需要在路面或其下安装传感器，所以其安装和维修不会影响交 通。一般传感器会安装在道路一侧，或在一定高度的上方。非插入检测技术包括 微波雷达、红外检测、视频图像处理、超声波和被动声学系统。 道路无关技术： 2 浙江大学硕士学位论文 道路无关技术指不需要任何硬件安装在路面下或道路旁，它包括全球定位系 统( g l o b a lp o s i t i o n i n gs y s t e m ) 车辆定位、移动电话车辆定位、自动车辆识别 ( a u t o m a t i cv e h i c l ei d e n t i f i c a t i o n ) 和遥感技术。 没有一种信号检测系统能完美的适用于所有的应用。它们都有自己的优势、 劣势和特殊的应用范围。表1 1 给出了各种典型交通检测技术优缺点的比较。 表1 1 各种典型交通检测技术优缺点比较【4 】 技术 优点缺点 超声波检测技术 体积小，易于安装性能随环境温度和气流影响而 降低 微波多普勒检测在恶劣气候下性能出色，直 不能检测静止或低速行使的车 接检测速度辆，以向前方式用定向天线跟踪 单车道 微波真实现场检在恶劣气候下性能出色，可侧向方式速度检测不够准确，拥 测检测静止车辆，可以侧向方堵时流量检测不够准确 式检测多车道，直接检测速 度 可见光视频检测 可为事故管理提供图像，可大型车能遮挡随行的小型车辆， 提供大量交通管理信息，单阴影、积水反射获昼夜转换可造 台摄像机和处理器可检测成检测误差 多车道 红外线视频检测昼夜可采用同一算法而解 可能需要很好的红外线焦平面 决昼夜转换问题，可提供大检测器，也就是要用提高频率降 量管理信息 低可靠性来实现灵敏度 声学检测根据特定车辆的声学特征 为识别车辆需要接收信号进行 识别该车辆 大量的除去背景噪声的处理 磁力计检测可检测小型车，包括自行很难分辨纵向过于靠近的车辆 车，适合在不便安装线圈场 合采用 第+ 章绪论 感应线圈检测线圈电子放大器已标准化，安装过程可靠性和寿命影响很 技术成熟，易于掌握，技术大，修理或安装徐中断交通，易 精确被重型车辆、路面修理等损坏 基于视频图像的交通参数提取方法是近年来出现的一种新的交通参数获取 方法。基于视频的交通参数提取系统是由摄像机、计算机处理技术、微处理器或 工控机构成，设计图像处理、计算机视觉、模式识别、信号处理及信息融合等多 个知识领域，与其它交通参数提取方法相比，基于视频图像的交通参数提取方法 具有众多优点b 1 ： 1 无需破坏路面，安装简单，维护容易，可以有效利用公路网上已有的视频设 备，这将大大节省开支。 2 覆盖面积大，一套视频参数提取设备能够同时检测几条车道。 3 获取的交通信息量丰富，可以多车道检测车流量、车型、占有率、车速、停 车时间、停车排队长度等交通信息，还可以获取常规检测器无法得到的车辆 运行轨迹，以及大范围的交通现场信息。 4 对视频图像场景内的交通状况进行实时智能监控。 5 为交通管理部门提供可视图像。 所以，虽然视频检测有受外界环境影响大、检测准确率较低等缺点，但相比 与其它方法，视频检测具有更大的优越性、随着计算机硬件和软件技术的发展， 视频检测已逐渐成为交通流参数检测中的一种新兴的主流技术。故本文准备用交 通视频图像处理来获取交通数据。 1 2 国内外研究现状分析 1 2 1 机动车辆检测研究 从2 0 世纪7 0 年代开始，交通环境中的车辆检测研究就开始了。面对传统车 辆检测器如磁感应线圈的诸多局限，各种各样新的检测方法被提出来，如：雷达、 超声波、微波、红外线、声频及视频图像等技术。随着计算机和图像处理技术的 不断发展，交通视频图像检测技术越来越成为现代智能交通系统的一个重要组成 4 浙江大学硕十学位论文 部分【5 1 【6 1 。 交通视频图像检测技术可以追溯到1 9 7 8 年，美国j p r r ( 加州帕萨迪纳市的喷 气推进实验室) 首先提出了运用机器视觉来进行车辆的检测的方法，指出其是传 统检测方法的一种可行的替代方案。1 9 9 1 年，美国加州理工大学对在高速公路 上运用视频方法的检测技术进行了评估，在评估报告中对当时采用的不同的视频 车辆检测技术详尽地进行了分类。三年后，美国休斯飞机公司评测了当时存在的 几种检测技术，包括视频检测技术，测评结果指出基于视频图像处理的车辆检测 系统已经具备了投入实际使用的潜力。1 9 9 4 年m n d o t ( 明尼苏达运输部) 为 f h w a ( 美国联邦公路局) 进行了更详尽严格的测评，结果表明视频检测器的检测 准确性和可靠性可以达到令人满意的程度。同时随着视频车辆检测技术的发展， 人们已不满足于仅仅检测出车辆，f h w a 进一步利用此技术来提取交通参数，如 交通流量，十字路口的车辆转向信息等。事实上，与其他几种车辆检测方法相 比，基于视频图像技术的方法具有直观、可监视范围广、可获取更多种类的交通 参数以及费用较低等优点，因而可广泛应用于交叉道口和公路干线的交通监视系 统中1 5 1 1 6 。 车辆检测- 9 跟踪系统通常包括感兴趣区域( r e g i o no f i n t e r e s t ，r o i ) 提取、 车辆检测、车辆跟踪三个模块。 r o i 提取是对交通场景视频图像进行粗分割，将有可能含有检测目标的区域 从复杂的交通场景中分割出来以便进行后继的检测与跟踪操作。对r o i 的提取 主要有连续帧差法、背景差法和虚拟线圈法等几类方法【6 1 。其中连续帧差法的优 点是计算简单且不易受环境光线变化的影响，主要问题是不能检测静止车辆，且 太依赖于图像采样频率和车速。1 9 9 4 年，k a m e d a 采用概率统计的方法通过三帧 连续图像间的运动信息找出r o i t 。文献【9 1 中除了利用连续三帧图像外，还使用 单帧图像静止分割的结果来修正帧差法所得到的运动信息。文献【1 0 1 结合了背景 差法来提高处理的准确性。文献】则利用基于空间m a r k o v 随机场的连续帧图像 间的差值统计量来描述帧间差异。2 0 0 5 年，l e ix i e 等提出了一种基于连续帧差 的自适应阈值法【8 1 。背景差法的基本思想是先形成交通场景的背景图像，然后将 待检测图像与背景图像逐像素相减( 理想情况下的差值图像中非零像素点就表示 了运动物体) ，进而就可运用阈值方法将运动物体从背景中分离出来它主要用于 第一章绪论 实时车辆检测和跟踪。背景帧差法的关键是背景更新，交通背景图像会随着光照 强弱、方向等因素的变化而缓慢变化，因此需要不断更新背景。背景更新算法就 是要不仅能滤除图像中的运动目标，还要能跟踪光照变化引起的交通背景图像的 变化。背景差法包括帧平均方法【12 1 ，选择更新方法【1 3 】，最小和最大强度值法【1 4 】， 混合高斯法【1 5 1 和k 均值聚簇法。虚拟线圈法应用磁感线圈的概念通过预先指定 的区域中亮度的变化检测通过的车辆。这种方法预先根据需要设定了r o i 区域 ( 一般是道路) 【16 1 。 车辆检测模块可以分为基于知识的方法，基于运动的方法和小波分析方法【6 】。 基于知识的方法应用先验知识来识别r o i 中的车辆，其中典型方法有对称【1 7 】、 颜色【18 1 、阴影【19 1 、水平垂直边界、纹理【2 、3 d 模型【2 2 1 和车轮【2 3 】。基于运动 的车辆检测方法利用运动物体随时间变化在图像中表现为速度场的特性，根据一 定的约束条件估算出运动所对应的光流，从而检测甚至跟踪出车辆2 4 1 ，基于小 波的车辆检测方法通过整个3 d 时空分布数据来刻画运动，从而检测车辆【2 5 1 。 车辆跟踪一般用空间距离判断两相邻帧中的车辆是否为同一辆车，进而完成 时域上车辆的跟踪。空间距离可以是最简单的欧几里德距离，也可以是其他距离 标准如h a u s d o f f 距离2 6 1 。车辆跟踪比较典型的方法有基于区域的方法，基于动 态轮廓的方法，基于特征的方法。基于区域的方法是模型法检测车辆的后继操作 【2 7 1 。基于区域的跟踪方法用像素连通块表示检测出的车辆。在车辆稀少时效果 很好，且块区域可以提供丰富的信息如大小、形状、密度等2 8 l 。基于动态轮廓 模型跟踪方法先初始勾勒出车辆的轮廓并且不断地在后续帧更新轮廓进而达到 跟踪的目的【2 9 1 。基于特征的方法将车辆的特征作为最小跟踪单元。这些特征可 以是点、线或者曲线等，这些点、线条可能代表了车辆的保险杆、车窗、车顶 棚等【3 0 】。 由于视频检测方法的诸多优点，在国外一些经济发达国家如美国、英国、加 拿大、德国、日本等，应用其先进的计算机、图像处理及通讯技术，最先开始视 频技术的研究，并开发出了各具特色的产品。例如： 美国：a u t o s c o p e 系统，v t d s ，v i d e ot r a c k 9 0 0 德国：西门子的a r t e m i s 比利时：t r a f i c o n 系统 6 浙江大学硕十学位论文 其中a t u o s c o p e 系统是世界研发最早并最先获得国际专利的视频车辆检测技 术，并在美国乔治亚州运输部出行向导、北京四环路交通量检测、韩国奥林匹克 路交通信息系统、纽约高速公路事故管理等场景有着广泛的应用。可以说，目前 的机动车视频检测研究已经相当成熟。 1 2 2 自行车摩托车检测研究 在视频中，自行车和摩托车形状相近，故归为一类研究。针对自行车、摩托 车的视频检测分析的文献非常稀少【3 4 1 ，在 3 2 1 提出的方法利用背景差技术检测 运动物体，并通过在边缘图像中的一般h o u g h 变换寻找椭圆，从而估计运动方 向。文中宣称对一条车道上自行车的计数准确率达7 0 。在 3 3 】中提出了用模板 匹配法则在图像中检测自行车。在【3 1 】中提出使用一种混合的方法，首先，利用 针对圆的h o u g h 变换，以定位图像中的车轮区域，然后计算h a u s d o r f f 距离，以 匹配一个简单的自行车模板，这个自行车模板由两个分开的圆弧和一段近似的距 离描述。在 3 4 中提出了一种基于特征的分类器，在实际交通场景中将自行车从 摩托车中分离出来，这是第一篇关于区分自行车和摩托车的文献。在 3 5 】中提出 一种闭塞检测和分割方法( o c c l u s i o nd e t e c t i o na n ds e g m e n t a t i o n ) ，并利用摩托车 手一定戴头盔的特点，检测和跟踪摩托车。吕剑等基于视频提取并分析了混合交 通中2 0 m 长的道路最多1 0 辆自行车的车流特性，研究了混合交通中自行车密度 速度关系【4 2 1 。 1 2 3 行人检测研究 行人交通的视频检测技术正在逐渐受到重视【3 】【3 6 1 。从1 9 9 9 年欧盟 i s t ( 1 n f o r m a t i o ns o c i e t yt e c h n o l o g i e s ) 的框架5 程序委员会设立重大项目 a d v i s o r ( a n n o t a t e dd i g i t a lv i d e of o rs u r v e i l l a n c ea n do p t i m i s e dr e t r i e v a l ) ，旨在 开发一个系统来有效地管理公共交通系统( 如地铁) ，从而缓解城市的压力，到英 国的雷丁大学开展的对车辆和行人的跟踪及其交互作用识别的相关研究，再到美 国马里兰大学的计算机视觉实验室通过分析摄像机采集的灰度视频图像，将外形 分析技术与跟踪技术集合来跟踪人体各个主要部分的位置，德国戴姆勒克菜斯勒 公司也基于城市交通设计了u t 4 系统和智能s t o p & g o 系统，国外对行人的视频 第一章绪论 检测研究已越来越深入。与此同时，国内的研究也蓬勃开展，中国科学院自动化 研究所在跟踪人体运动中采用了运动模型和关节人体模型对行人进行建模分析； 浙江大学人工智能研究所采用单目视频图像序列对人体没有被遮挡部位的动作 进行了跟踪，上海交通大学计算机视觉实验室研究了无假设和无环境约束的通用 的人体检测技术，涉及移动摄像机和3 d 人体跟踪等多目标视频跟踪技术；西北 工业大学空中交通管理系统研究所“在智能车辆辅助驾驶系统研究方面构建了一 个基于计算机视觉的运动行人检测与跟踪系统，从固定的场景中检测运动的行 人，并对行人的运动加以跟踪，提取出行人在场景中的运动轨迹北京交通大学 交通工程系研究了我国信号交叉1 ：3 处行人交通的数据采集技术与方法 1 2 4 混合交通流视频检测 无论是机动车，非机动车还是行人，其处理框架都可以分目标检测、目标跟 踪、目标分类三个模块。首先由摄像头拍摄得到实时交通场景的视频序列图像， 然后对序列图像进行r o i 提取，并将提取到的r o i 通过图像分割判定是否为交 通目标。检测出目标后，可在跟踪模块对目标进行跟踪。由检测和跟踪的结果可 以分析提取出交通流量参数，如速度、车流人流密度及其它信息，最后根据交 通参数进行交通分类。 表1 - 2 基于视频的交通对象检测分类研究3 7 j r e f e f e n c ef e a t u r e s m e t h o d o l o g y c l a s s e s s a m p l e c l a s s i f i c a t i o n s i z e sr a t e w e i e ta 1 g r o u n da r t if i c i a l h e a v yt r a i n i n g ：h e a v y s e g m e n t a t i o n ， n e u r a l v e h i c l e ， 2 2 7v e h i c l e b a c k g r o u n d n e t w o r ks m a l l t e s t i n g ：( 9 8 5 ) s u b t r a c t i o n ，c a r , 2 0 0s m a l lc a r q u a n t i z a t i o nm o t o r c y c l e( 9 6 9 2 ) ( 3 )m o t o r c y c l e ( 9 1 9 4 、 浙江大学硕士学位论文 s g u p t e ， v e h i c l ep a r a m e t e r s p a s s e n g e rt r a i n i n g ： 9 0 w e r e e td i m e n s i o n s m a t c h i n g & n o n 1 0 0t r a c k e d 7 0 a 1 p a s s e n g e rt e s t i n g ： o f t h et r a c k e d v e h i c l e s2 0v e h i c l e sa r e ( 2 ) m i no f c o r r e c t l y f r e e w a y c l a s s i f i e d t r a f i l e d p a r a m e t e r i z e dd e c i s i o ns e d a n t r a i n i n g ： a l lt h e3 k o l l e r , 3 dm o d e l sf u n c t i o n s& u n s p e c i f i e dp r e s e n t e d e ta 1 h a t c h b a c k t e s t i n g ：3 c a s e sa r e ( 2 ) c o r r e c t qd w i r e f r a m e h y p o r e p o r t p a s s e n g e rt r a i n i n g ： 9 6 c o r r e c t s u l l i v a n ， 3 dm o d e l s g e n e r a t i o n ， & u n s p e c i f i e d e t t r a c k i n g &v a n ( 2 )t e s t i n g ：5 4 a 1 v e r i f i c a t i o n y u a n ， e t p e r s p e c t i v e k n e a r e s t p a s s e n g e r , t r a i n i n g ： 9 1 c o r r e c t a 1 p r o j e c t i o n s ，n e i g h b o r , v a n ， 5 0 d i m e n s i o nh e u r i s t i c s p i c k u p ，t e s t i n g ： p r o f i l e sb u s ，t r u c k 2 8 0 ( 5 ) 虽然目前已有交通视频图像检测和跟踪大量的研究，但混合交通流下交通对 象识别分类的研究却相对很少3 7 1 。2 0 0 7 年美国伯克利大学的s i n g y i uc h e u n g 对 之前有关于基于视频的交通对象检测分类做了归纳，见表1 2 。 1 2 5 交通流检测小结 由以上分析可知，目前机动车视频检测研究已经相当成熟，但是对非机动车 特别是自行车的视频检测研究还较为稀少。而对混合交通流特别是高密度交通流 中的自行车检测研究还属空白。事实上，自行车车流具有不同于机动车的一些显 9 第一章绪论 著特点，如成群性、摇摆性、可变性、较大的灵活性和可压缩性。自行车流在密 度较大时会形成不同的群体，无论是群体内的车辆之间、还是不同群体的车辆之 间都存在着相互的影响，而且随着交通流的情形不同，影响是不一样的。所以， 对自行车流的视频检测及交通参数提取相比机动车来说，难度更大。同时在我国 的许多地方，都存在着包括自行车流的多种交通流混行的现象，研究混合交通流 中的自行车流参数特性有着重要的意义。基于此，课题组在研究混合交通流检测、 跟踪以及参数提取的基础上，重点对混合交通流中自行车群的检测识别及参数提 取作了深入研究。 1 3 混合交通流视频检测流程 混合交通流视频检测系统主要由交通目标检测、目标跟踪、目标分类和交通 参数提取四大模块组成，流程如图1 1 所示。在摄像机拍摄得到交通场景的视频 图像序列的基础上，首先是对图像序列进行感兴趣区域( r e g i o no fi n t e r e s t i n g ， r o i ) 提取，得到图像背景和运动交通目标，然后根据目标的形状、位置、速度、 运动方向等特性实现目标跟踪，再对目标的形状和运动特性进行分类，最后提取 其交通参数并保存成文件。 图1 1 ：交通视频检测系统流程图 1 4 本文的主要内容和研究成果 本文的主要内容和研究成果简述如下： 本文第一章分为四部分，第一部分首先提出了我国混合交通流的大背景，阐 述了这一背景下的智能交通系统( i t s ) 和交通研究对实际数据的需求，然后分 析了目前的交通检测技术，对各种技术方法做了比较，最后概括了基于视频的交 l o 浙江大学硕十学位论文 通检测技术的优点；第二部分概述了国内外在交通视频检测上的研究现状，分别 从机动车、自行车摩托车、行人、混合交通流四个方面进行阐述，最后提出目 前对机动车视频检测研究已经相当成熟，而在对非机动车，特别是自行车的研究 上还有很大的空间；第三部分概述了混合交通流视频检测系统的架构，这一架构 是全文的基础；最后本章介绍了本文的主要工作和研究成果。 本文第二章首先介绍了视频成像变换的知识，然后着重分析了交通视频处理 系统的中低层部分：交通目标图像检测和目标跟踪。交通目标检测有背景差法、 帧差法、图像分割等方法，本文选用兼具便捷和有效性的背景差法来提取r o i 区域，并辅之以图像分割方法来检测交通目标。背景差法的关键在于背景图像的 提取，本章应用道路交通场景的三个性质，得出背景提取的三种方法，并选用时 问平均法演化后的自适应背景更新算法来提取背景。同时本文改进了基于卡尔曼 滤波器的自适应背景模型算法，使得程序能更快应对背景的变化，大大提高了背 景检测的实时性和可靠性。检测线法主要可用于测量的检测及流量的计量。最后 本章详细介绍了基于区域特征的目标跟踪算法。 本文第三章首先提出了一系列交通目标的特征参数，这些特征参数是交通目 标分类的基础；然后介绍了常用分类方法，并且提出了基于决策树的分类算法和 基于s v m 的分类方法，其中基于s v m 的分类方法应用了对交通目标轨迹的特 征分析。最后，本章详细介绍了混合交通流中自行车流的数据采集及交通数据提 取实验，并由对速密数据进行了验证。 本文第四章介绍了混合交通流检测软件的设计和开发。主要说明了软件的开 发背景，软件的总体设计以及其使用说明。本软件的开发基于前几章的理论基础， 实现了对混合交通流的多目标分类以及相关交通参数的提取。软件由本文作者 在导师的指导之下，在研究所的需求背景下，独立完成总体设计和开发。 第五章为结论与展望部分，该章在简要总结全文工作的基础上，对相关领域 未来的研究方向进行了展望。 浙江大学硕士学位论文 交通检测和目标跟踪 摘要：首先阐述本文视频成像变换方法，然后设计背景差法加图像分割法的交通 目标检测流程，并提出基于卡尔曼滤波器的自适应背景模型改进算法，提高了背 景检测的实时性和可靠性。设计交通目标罡艮踪链及其更新算法，应用目标区域特 征和运动特征，计算匹配度，完成跟踪过程。 关键词：视频成像变换；背景帧差法；图像分割；目标跟踪 2 1 引言 视频是一种图像流，就是按照时间的先后关系，由图像序列组成的集合。图 像帧是视频处理的基本元素。视频处理首先提取视频中的图像帧，然后通过交通 目标检测得到设定区域的交通目标，并保持对其的跟踪。交通目标的形状和位置 等三维世界的实际相关信息可以通过视频成像变换得到。交通检测和目标跟踪阶 段处于整个混合交通流检测中低层，起着基础而重要的作用。 2 2 视频成像变换 视频成像就是通过c c d 把真实的三维世界的景象映射到二维平面坐标中， 而要获取交通目标在真实世界中的运动信息和形状信息，就需要确定图像和真实 世界间的映射关系。 2 2 1 视频成像变换的基本理论1 3 i 一坐标系定义 摄像过程所涉及的坐标系包括世界坐标系、相机坐标系、图像平面坐标系和 计算机图像坐标系，坐标定义如下： 世界坐标系：客观世界的绝对坐标x w y w z w 。 相机坐标系：原点为相机中心，z 轴为相机的光学轴的坐标系x y z 。 第_ 章交通榆测和同标跟踪 图像平面坐标系：相机内所形成的像平面坐标系x y ，相平面与相机坐标系 x y 平面平行，且x 轴平行于x 轴，j ，轴平行于y 轴，像平面原点距相机坐标系 原点的距离等于焦距的长度。 计算机图像坐标系：在计算机数字图像所用的坐标系砂，计算机图像是视 频处理所直接接触的对象。 二成像变换 视频成像变换就是从图像平面坐标系还原到世界坐标系的过程，如下步骤： 1 世界坐标x w y p z w 到相机坐标粥亿的变换。 2 相机坐标x y z 到像平面x y 的变换。 3 像平面坐标x y 到图像坐标砂的变换。 ( 1 ) 世界坐标到相机坐标的变换 世界坐标系的选取与速度、形状等最终得到的交通参数无关，为了计算方便， 选取x w y w 平面为道路平面，z 竖直向上。相机坐标系a t z ，x 轴与蛳平行， y z 平面与y w z 重合，其坐标原点在x w y w z w 中位置为( 0 ，0 ，) ，相当于初始 位置与x w y w z w 重合，先向上平移到( 0 ，0 ，日) ( 相机被架设到一定高度) ，再 以x 轴为旋转轴，顺时针旋转角度口，如图2 1 所示。 。 x 。 _ x w 平移 旋转 十z w 十z w t z w 毛z 一卜a ( o ，o ，h ) ：j 1( o ，o ，h ) 。1 扯一誓，l _ 一旦p j x wx w 图2 1 ：从1 廿界坐标系变换到卡h 机坐标系 在平移后，坐标变换关系为： x i = 勋 y 1 = y w z 1 = z w 一日 1 4 ( 2 1 ) 浙江人学硕士学位论文 由于x y z 为x l y l z i 围绕x ，轴旋转而成，故工轴值不变，而以极坐标形式表 示的在y 1 z i 平面上一点( p ，口) ，在经过顺时针旋转口之后其极坐标为 ( p ，口+ 口) ，故可得： p c o s o =