（计算机应用技术专业论文）基于视频监控的运动车辆流检测方法的研究.pdf

武汉理工大学硕士学位论文 摘要 智能交通系统( i t s ) 是目前世界交通运输领域正在研究和广泛关注的课题。 近年来，智能交通系统的应用给交通运输业带来了巨大的经济效益，对于道路设 计、流量监控和高速公路管理起到了越来越重要的作用。论文所研究的视频车辆 检测技术在i t s 中占有很重要的地位，与传统的基于地感线圈的检测方法相比， 视频车辆检测技术不仅具有安装维护便捷且费用较低、可监视范围广等诸多优 点，同时通过对道路现场图像的智能化分析和处理，能够采集到所需要的多种交 通流参数，因而在智能交通系统中得到了广泛的应用。 目前存在的视频车辆检测技术在复杂天气变化、大范围、多目标的情况下， 运动车辆的分割和检测的效果不是很理想，需要进一步改善。就此现状，论文用 视频监控的手段对桥梁上的运动车辆进行检测并统计车流量。本文主要做了如下 研究工作： 1 在视频图像的预处理上改进并给出了一种的基于的中值的加权均值滤波 方法，实验表明，将此方法应用到图像滤波中达到了很好的效果，既滤除了噪声， 同时克服了传统中值滤波模糊细节的缺点。为后期的背景更新，目标检测，特征 分析提供了优质的图像。 2 在对现有背景模型进行深入研究之后，根据静止背景的统计特性，本文 改进并提出了一种新的统计建模方法并用动态三元组对其进行更新维护，提高了 检测的准确性和稳定性，实现了背景的快速生成与快捷实时更新。 3 在全天候视频车辆检测过程中，本文给出了两种车辆检测方法。白天采 用基于背景差的虚拟线圈车辆检测，而在夜间采用帧间差法进行车辆检测。同时 在阴影消除中采用基于边缘检测算子和阴影部分的色度相结合的办法，来检测并 去除阴影。最后用基于运动像素的车辆计数方法统计车辆流量信息，为交通疏导 和控制提供必要的信息。 论文的研究结果表明，基于视频监控的运动车辆检测是有效可行的，该方法 不但检测精度高，而且成本较低，自动化程度高，具有远大的应用前景。当然， 本文的工作仍存在一些问题有待进一步研究，如虚拟线圈法框架下的多线圈协作 问题和夜晚及光线突变情况下的目标检测等问题。 关键词：视频监控，背景重建，背景更新，虚拟线圈法，车辆计数 武汉理工大学硕十学位论文 a b s t r a c t i n t e l l i g e n tt r a n s p o r ts y s t e m ( i t s ) i sc u r r e n t l yb e i n gs t u d i e da n dt h es u b j e c to f w i d e s p r e a dc o n c e r ni n t h ea r e ao ft h ew o r l dt r a n s p o r t t h e s ey e a r s ，t h eg r e a t e c o n o m i cb e n e f i th a sb e e ng a i n e dt h r o u g hi t s ，a tt h es a m et i m e ，i tp l a y sa l l i m p o r t a n tr o l ei nr o a dd e s i g n ，t r a f f i cs u r v e i l l a n c ea n dh i g h w a yc h a r g e v i d e ov e h i c l e d e t e c t i o nt e c h n o l o g yd i s c u s s e di nt h i sp a p e rp l a y sa ni m p o r t a n tp a r ti nt h ei t s c o m p a r e dw i t ht r a d i t i o n a lv e h i c l ed e t e c t i o nm e t h o dw i t hp i e z o e l e c t r i c i t ys e n s o r , v i d e ov e h i c l ed e t e c t i o nt e c h n o l o g yn o to n l yh a sl o t so fa d v a n t a g e s ，i e ，e a s y i n s t a l l a t i o na n dm a i n t e n a n c e ，w i d em o n i t o r i n ga r e a s ，a n da l s ot h r o u g hi m a g ea n a l y s i s a n dp r o c e s s i n gi tc a l lo b t a i nm u c hu s e f u lt r a f f i ci n f o r m a t i o n ，s oi th a sb e e nw i d e l y u s e di ni t s n o we x i s t i n gv i d e ov e h i c l ed e t e c t i o nt e c h n o l o g yi nt h ec o m p l e xw e a t h e r c h a n g e s ，l a r g e s c a l e ，m u l t i - o b j e c t i v ec i r c u m s t a n c e s ，t h e m o v e m e n to fv e h i c l e s s e g m e n t a t i o na n dt e s t i n gr e s u l t sa r en o tv e r ys a t i s f a c t o r y , t h e r e f o r ea l le f f i c i e n ta n d r o b u s td e t e c t i o na n dt r a c k i n gs y s t e mi sn e e d e de a g e r l yf o rt h e s ea 1 1 s o ，i nt h i sp a p e r w eu s eam e a n so fm o n i t o r i n gc a m e r a so nt h eb r i d g et od e t e c tt h em o v e m e n to f v e h i c l e sa n ds t a t i s t i c sv e h i c u l a rt r a f f i c o u rr e s e a r c h e sa r em a i n l ya sf o l l o w s ： 1 i nt h ev i d e oi m a g ep r e p r o c e s s i n go fi m p r o v e m e n t ，w eh a v eg i v e nav a l u e b a s e do na n i m p r o v e dg r a ys i m i l a r i t y o ft h ew e i g h t e dm e a nf i l t e r i n gm e t h o d ， e x p e r i m e n t ss h o wt h a ta p p l i c a t i o no ft h i sm e t h o dt oi m a g ef i l t e r i n gh a sr e a c h e dv e r y g o o dr e s u l t s ，b o t hn o i s ef i l t e r i n g ，a n dt oo v e r c o m et h et r a d i t i o n a lm e d i a nf i l t e r i n g f u z z yd e t a i l so ft h es h o r t c o m i n g s i tp r o v i d e sah i g hq u a l i t yi m a g e f o rt h el a t t e rp a r to f t h eb a c k g r o u n dt ou p d a t e ，t a r g e td e t e c t i o n ，a n a l y s i so ft h ec h a r a c t e r i s t i c s 2 a f t e ri n - d e p t hs t u d yi nt h ec o n t e x to ft h ee x i s t i n gm o d e l ，a c c o r d i n gt ot h e s t a t i s t i c a lc h a r a c t e r i s t i c so fs t a t i cb a c k g r o u n d ，t h i sp a p e ri m p r o v e sa n dp r o p o s e sa n e wm e t h o do fs t a t i s t i c a lm o d e l i n ga n du s i n gd y n a m i ca n dt e r n a r yg r o u pt oc a r r yo u t am a i n t e n a n c eu p d a t e ，a tt h es a m et i m ei th a si m p r o v e dd e t e c t i o na c c u r a c ya n d s t a b i l i t y , a c h i e v e dar a p i dg e n e r a t i o na n dr e a l - t i m eu p d a t e so f t h eb a c k g r o u n d i i 武汉理工大学硕士学位论文 3 i nt h er o u n d t h e - c l o c kv i d e ov e h i c l ed e t e c t i o np r o c e s s ，t h i sp a p e r p r o v i d e st w o v e h i c l e sd e t e c t i o nm e t h o d d a y t i m eu s e sv i r t u a lc o i lv e h i c l ed e t e c t i o nb a s e do nt h e b a c k g r o u n d ，t h ed i f f e r e n c ei nt h ee v e n i n gi n t e r - f r a m ev e h i c l ed e t e c t i o nm e t h o d a n d t h e ni nt h es h a d o w so nt h ee l i m i n a t i o nw eu s ee d g ed e t e c t i o no p e r a t o ra n dp a r to ft h e s h a d o wo ft h em e t h o do fc o m b i n i n gc o l o rt od e t e c ta n dr e m o v et h es h a d o w f i n a l l y , b a s e do nt h em o v e m e n to fv e h i c l e sp i x e lc o u n tm e t h o d st os t a t i s t i c st r a f f i cf l o w i n f o r m a t i o n ，a n dt op r o v i d et h en e c e s s a r yi n f o r m a t i o nf o rd i v e r tt r a f f i cc o n t r 0 1 t h e r er e s u l t so ft h ep a p e ri n d i c a t e st h a tt h ed e t e c t i o nm e t h o di nm o v i n gv e h i c l e s b a s e d0 1 1v i d e om o n i t o ri se f f e c t i v ea n df e a s i b l e t h i sm e t h o di sn o to n l yl o w e rc o s t a n dm o r ea u t o m a t i c ，b u ta l s om o r ec h i p s t h ea p p l i c a t i o np r o s p e c ti sb r i g h t o fc o u r s e ， i n t h i sp a p e r t h e r ea r es t i l ls o m ep r o b l e m sn e e daf u r t h e rr e s e a r c h ，s u c ha st h e c o o p e r a t i o no fm u l t i l o o p su n d e rt h ev i r t u a ll o o p sb a s e df r a m e w o r ka n dn i g h ta n d l i g h to ft h eo b j e c t i v e sm u t a t i o nd e t e c t i o n k e yw o r d s ：v i d e om o n i t o r ，b a c k g r o u n dr e c o n s t r u c t i o n ，b a c k g r o u n du p d a t e ， v i r t u a ll o o pm e t h o d ，c o u n t i n gv e h i c l e s i i i 独创性声明 本人声明，所呈交的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。尽我所知，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，也不包含为获得武汉理工大学或其它教育机构的 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了谢意。 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保 留、送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 武汉理工大学硕士学位论文 第1 章绪论 1 1 智能交通系统综述 随着当今经济的高速发展，机动车的保有量迅速增加，导致交通状况的不 断恶化。现在无论哪个国家都毫无例外的受到不同程度的交通问题的困扰。交 通拥挤、事故、环境污染已成为最难消除的现代社会公害之一，严重影响了人 类生活的质量，给环境、经济和社会带来了严重的后果。为从根本上解决交通 拥挤堵塞的问题，人们开始运用各种新技术，如信息技术、计算机技术、通信 技术、控制技术等，将人、车、路紧密联系起来，不仅有效地解决了交通阻塞 问题，而且对交通事故的应急处理、环境的保护、能源的节约都有了显著的效 果。此时，智能交通系统h ( 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 ，i t s ) 应运而生。 1 1 1 发展it s 的必然性与紧迫性 中国是一个经济持续和谐发展的发展中国家，改革开放以来，城市化与汽 车化发展十分迅猛。中国城市的大气质量恶化，已逐步由无烟煤污染转变为机动 车尾气污染，其主要原因是交通拥堵、车速下降以及车况差、车辆技术性能低等， 致使在世界十大空气污染最严重的城市中，我国就占了7 个。同时，车辆状况差也 直接影响到城市交通，并已成为制约我国城市交通的重要因素。以车况较好的北 京市为例，平均日故障次数达5 0 0 次以上，给城市交通带来巨大压力。交通系统是 一个复杂的综合性系统，单独从道路或车辆的角度来考虑，都将很难解决交通 问题。在此背景下，把车辆和道路综合起来系统地解决交通问题的思想就油然而 生了，这就是智能运输系统。 智能交通系统是目前世界各国交通领域竞相研究和开发的前沿研究课题和 热点。对于i t s 至今没有一个明确的定义。但可以归纳定义为：智能交通系统 是人们将先进的信息技术、数据通讯传输技术、电子控制技术、传感器技术以 及计算机处理技术等有效地综合运用于整个交通体系，从而建立起的一种在大 范围内、全方位发挥作用的实时、准确、高效的交通综合管理系统【2 j 。其目的 武汉理工大学硕士学位论文 是使人、车、路密切地配合、和谐地统一，极大地提高交通运输效率、保障交 通安全、改善环境质量和提高能源利用率。 在我国，近年来，我国公路总里程的年增长率为2 5 ，至2 0 0 7 年底我国公 路通车总里程已达3 5 7 3 万公里。机动车的年增长率却在1 0 以上，国家统计局 的公报指出，截止2 0 0 7 年末，全国民用汽车保有量达到5 6 9 7 万辆( 包括三轮 汽车和低速货车1 4 6 8 万辆) ，比上年末增长1 4 3 ，其中私人汽车保有量3 5 3 4 万辆，增长2 0 8 。民用轿车保有量1 9 5 8 万辆，增长2 6 7 ，其中，私人 轿车1 5 2 2 万辆，比上年增长3 2 5 。由此可以看出车辆增长速度远远超过道路 增长速度。因此，为了解决上述问题，除了加大交通基础设施的投入外，更重 要的是要充分、合理、科学地使用现有的交通道路设施，提高道路使用率，发 挥他们最大的作用，要达到这个目的，采用i t s 是根本的措施之一。通过多年 来中国交通领域科技界和工程界的不断努力，在中国高等级公路建设的带动下， 中国在i t s 的开发和应用方面也取得了相当的进步，而近2 0 年的研究表明：实 行i t s ，可以使道路的通行能力提高二至三倍，从而产生巨大的经济效益和社会 效益。可以说，发展智能交通系统是中国交通事业发展的必然趋势。 i t s 的应用也给交通运输业带来了巨大的经济效益，并且正在逐步形成产业 化。一项关于美国西雅图高速公路使用匝道调节系统的6 年研究报告显示：尽 管1 _ 5 年间交通量增加了1 0 一1 0 0 ，但由于采用了先进的交通管理系统，车 速保持稳定或增加，而事故发生率减少了6 0 ，在每个匝道口的延误时间平均 低于3 分钟。 1 1 2it s 的发展现状 长久以来，交通的发展总是在不断地解决“交通需求一车辆 与“交通供 给一道路”之间的矛盾中获得的。进入2 0 世纪8 0 年代以来，随着社会经济的 发展，交通需求增长的速度依然大大高于路网通行能力的增长速度。交通拥堵 现象日趋严重，交通造成的污染加剧，交通事故增加，交通问题渐渐成为社会 普遍关注的热点和难点问题。后来随着高新技术在道路运输系统及其管理体系 中的应用和研究，出现了如今的i t s ，经过这些年的发展，i t s 取得了令人瞩目 的应用效果。美国在智能交通各大应用领域全面推进，日本在e t c 和交通信息服 务领域的市场化获得了巨大的成功，欧洲则在跨区域多模式信息服务和运输服务 2 武汉理工大学硕士学位论文 方面取得了令人瞩目的成就。与此同时，各国也开始客观评价智能交通的投入与 应用效果，为其下一步的发展方向选择提供依据。 i t s 旨在建立一种实时、准确、高效的综合运输和管理系统。从而使公众能 够高效地使用公路交通设施和能源。对于公路交通而言，i t s 将产生的效果主要 包括以下几方面例：提高公路交通的安全性：据专家估计，采用i t s 在今后2 0 年 内可降低8 的交通灾难，每年交通事故的死亡人数可减少3 0 7 0 ；减少交通 拥挤和阻塞，从而提高公路交通的机动性。据预测，到2 0 1 2 年i t s 技术可使交 通堵塞减少2 0 ；降低能源消耗，减少汽车运输对环境影响；提高公路网络的通行 能力。 i t s 的发展对社会生活、国民经济和城市建设将产生积极而深远的影响，因 而世界各国发达国家纷纷重视研究和开发这种智能化系统。自2 0 世纪8 0 年代 末以来，北美、日本和欧洲竞相发展智能运输系统，制定并实施了开发计划。 发展中国家也开始i t s 的全面开发与研究。i t s 的研究已在世界范围内受到广泛 关注。美国运输部于1 9 9 5 年3 月正式公布了“国家智能运输系统项目规划”【4 | ， 高度重视车路协调技术( v i i ) 的发展，并提出了v i i 发展的时间表和确定了v i i 技术初期的应用领域：公共领域包括交叉口安全、车载标识、探测、电子支付、 曲线警告，个人领域包括导航、电子支付、车辆诊断。日本于1 9 9 3 年也提出了 公路交通车辆领域的信息化实施方针。欧洲的i t s 研究开发是由官方与 民间共同并行开发的。i b m ，l g ，西门子，松下，日立等国际知名巨头纷纷进 军i t s 市场。根据日本道路交通车辆智能化推进协议会的试算，仅就导航 系统的开发，到目前就已创造出2 0 亿美元规模的市场。，随着i t s 的推进，以 车载装置为主，在信息收集机器、信息发送机器等电子、通信、汽车等领域， 今后2 0 年预计i t s 整体将创造出5 0 0 0 亿美元的巨大市场。 中国对于i t s 的研究与应用也非常重视l 5 j ，国家已将i t s 作为未来交通建设与 发展的优先领域予以重点支持，在“十五计划纲要中明确提出“加快智能型 交通的发展 。2 0 0 0 年前后，相继成立了交通、道路交通管理和铁路3 个国家级 的i t s i 程技术研究中心。科技部在“十五 期间先后组织了科技攻关计划项目 “智能交通系统关键技术开发和示范工程”和“现代中心城市交通运输与管理 关键技术研究”，在智能交通系统的关键技术攻关、关键产品开发和示范应用起 到了重要的推进作用。2 0 0 7 年“十一五 国家科技支撑计划“国家综合智能交 通技术集成应用示范重大项目正式启动，重点开展国家高速公路网联网不停车 3 武汉理工大学硕士学位论文 电子收费和服务应用示范，并对北京奥运、上海世博、广州亚运进行重点支持。 第1 4 届i t s 世界大会于2 0 0 7 年1 0 月在北京召开，这也是一年一度的国际智能交通 盛会首次在发展中国家召开，为我国在智能交通领域与国际发达国家全面交流 提供了非常好的平台。 1 2 视频车辆监控系统概述 1 2 1 视频车辆监控系统结构与技术特点 基于视频的运动车辆检测作为自动交通事件检测系统的首要步骤及重要部 分，它为后续的车辆检测，车辆计数是否精确提供保证。对交通安全和交通控 制具有非常重要的理论意义和实用价值，是基于视频智能交通系统的基础。常 用的车辆检测方法有环形检测、微波检测、超声波检测，视频车辆检测等。 环形检测目前在交通检测系统中应用最为广泛。它的原理是通过一个电感 器件即环形线圈与电子单元构成一个调谐电子系统，当车辆通过或停在线圈上 时，改变了线圈的电感量，激发电路产生一个输出，从而检测到通过或停在线 圈上的车辆。它的优点是成本较低，安装方便。缺点是1 6 j 受环境影响比较大， 而且线圈本身容易损坏，在更换安装和维护时要开挖路面，影响交通，这种检 测方式对于交通流的数据提取也十分有限。 微波检测由发射天线和发射接收器组成。发射器对检测区域发射微波，当 车辆通过时，由于多普勒效应反射波会以不同的频率返回，通过检测反射波的 频率来检测车辆是否通过。 超声波检测也是运用反射原理，发射器从顶部发出超声波，当有车辆通过 时，接收器接收到回波的时间是不一样的，据此可以判断是否有车通过。 视频检测技术在传统的电视监视系统基础上将计算机视觉引入到交通信息 检测之中，通过计算机从数字图像中提取出高级交通信息，同时又像其它车辆检 测器一样能向交通监控中心提供图像和交通参数如车速、车流量等【7 l 。已有的 成熟的商用视频车辆检测系统主要有a u t o s c o p e ，t r a f i c o n 以及p e e k 等t 8 j 。 4 武汉理工大学硕士学位论文 图i - i 交通信息视频检测系统 交通管理 中心 典型的交通信息视频检测系统如图i - i 所示，摄像头安装在路杆或其他高建 筑上，如图1 - 2 ，c c d 摄像头拍摄交通现场实时视频，然后将获取的视频信息进 行数字化并传给后续单元处理。现场处理单元，如图i = 3 ，负责对摄像头获得的 交通现场图像进行实时处理，计算出车流量、车速等交通参数，再以集总形式将 计算结果和现场图像传送到交通管理中心，由中心的交通管理系统进行处理。 现场处理单元可以由高性能计算机作为硬件平台，但现在大部分成熟的产品都 已经在d s p 等嵌入式设备上实现了，从而降低了成本。 图1 - 2 摄像头图1 - 3 视频图像处理单元 它相对传统车辆检测技术具有如下优点【9 ：安装维护方便，摄像头架设在 路边，安装维护不需要封闭道路，挖掘路面，不会影响正常交通；一个普通的c c d 摄像头就可以检测几百米内的多车道交通信息，迄今为止还没有一种传感装置 能够像基于计算机视觉处理那样提供如此直观、详细的交通信息参数( 如精确的 武汉理工大学硕士学位论文 车辆行驶路线、车型、车辆尺寸以及车辆颜色等等) ；可以对交通现场录像，供 以后查询：同时视觉系统也是一个被动的感知系统，它对于周围的环境几乎没有 影响，即使相同的视觉系统之间也不会发生干扰。 基于上述的优越性，基于视频图像的车辆检测技术对于智能交通系统的发 展有巨大的推动作用，对于日常生活和国家的经济发展都有很大的实际意义， 但同时它也存在着一些技术难点，成为视频检测器研究的重点： 1 图像信息数据量很大，这对视频检测器的数据处理及传输的实时性提出了 很高的要求。 2 视频传感器获得的是视觉信息，因此受到气候环境和光照度的影响较大， 当路面的亮度和对比度条件变差时，车辆检测的准确率会大幅度降低。 1 2 2 国内外研究现状 国外的视频检测技术研究开始的较早，经过十几年的发展，技术己经相当 成熟，视频检测与线圈检测技术相比具有的优越性和高性价比已得到业内人士 的公认，代表了未来车辆检测领域的发展和应用方向。美国i s s 公司的 a u t o s c o p e 1 0 j ，是一个较为成功的商业系统，具有实时检测交通参数的能力， 是国际上交通信息采集中最具竞争力的视频检测系统之一。另外国外还有一些 公司在这方面也从事了应用研究和开发工作，也推出了各自成熟的系统级产品。 比如i t e r i s 公司v a n t a g e 系列视频检测处理单元的最新视频检测器产品： v a n t a g ee d g e 2 ，比利时t r a f i c o n 公司推出的m o n i t o r 系列等。 视频检测技术虽然在国内研究起步比较晚，但经过这些年的迅速发展，也 取得了很多研究成果，如中国科学院自动化研究所模式识别国家重点实验室谭铁 牛研究员从2 0 世纪9 0 年代初就开始研究基于三维模型的智能视觉监控系统， 领导视觉监控小组，针对系统中若干关键性问题像车辆检测、跟踪以及车辆行 为分析，进行了深入的研究和探讨，提出了自己的见解和主张，取得了一系列 的研究成果。同时目前也有不少公司在这方面作了许多努力，如清华紫光与清 华大学合作开发的新一代视频交通流量检测系统v s 3 0 0 1 ，哈尔滨工业大学的 v t d 2 0 0 0 系列视频交通动态信息采集系统，亚洲视觉公司的路段交通信息系统 等等。这些产品大多数功能都比较单一，虽说有的也比较好的实现了视频检测 的功能，但在实际的推广当中效果并不明显，还远远没有达到实际应用的要求， 6 武汉理工大学硕士学位论文 同国外的产品相比还有相当的差距。因此，我国在这方面的研究还要继续加强， 不断开发和完善技术，真正推出适合于国情的交通视频检测产品。 1 3 论文的主要工作及内容安排 1 3 1 本文的主要工作 本文研究的对象是摄像头固定情况下的运动车辆视频场景。研究的内容主 要有两个方面，第一是视频序列中运动车辆的检测，第二是视频序列中车辆流 量的计算。首先研究了初始数字图像序列中的噪声消除和图像增强处理技术， 推导出一种基于中值的加权均值滤波方法的噪声处理方法；然后针对背景差法 的关键问题自适应背景提取与更新本文改进并设计了一种新背景重建 与更新维护算法；在此基础上用背景差法实现了基于虚拟线圈的车辆检测和车 流量的计算。具体而言，本文主要内容如下： 1 介绍图像预处理的实现方法，主要包括对图像进行滤波处理使将被处理 的图像除掉噪声干扰和对去噪后的视频图像做增强处理。推导出一种基于中值 的加权均值滤波方法的噪声处理方法。 2 通过背景分析，在已有的背景建模方法的分析的基础上改进并提出了一 种新的统计建模方法并用动态三元组对其进行更新维护。从而实现了对背景模 型的实时有效更新。 3 本文在讨论虚拟线圈检测方法的基础上，给了一种简单实用的基于背景 差的虚拟线圈车辆检测方法，实现了对通过虚拟线圈的运动车辆的快速实时检 测，并统计给出了车流量信息。 1 3 2 论文内容安排 本文后面的内容组织如下： 第二章详细介绍视频图像预处理技术，包括噪声的消除处理，图像的增强， 并推导出一种新的滤波方法来去除噪声。 第三章详细介绍了背景建模的常用方法并给出了它们的性能对比，改进并 提出了一种新的背景重建及更新方法。 7 武汉理工大学硕士学位论文 第四章详细分析了基于背景差的虚拟线圈车辆检测和车辆计数的流程和 具体实现方法，并给出实验分析和结果。 第五章对本文研究课题进行总结和展望，给出研究成果。并给出了论文中 存在的问题和不足，并对以后的工作给出建议。 8 武汉理1 ：人学硕士学位论文 第2 章运动车辆图像预处理 通常情况下，视频序列中的运动目标是人眼最为关注的部分1 1 1 j ，而实现自 动的、准确的检测出运动目标，首先在于能否准确的检测出真实的运动。图像 的变化通常可能是多种因素综合作用的结果。比如，光照环境的改变使得即使 面对相同的场景在不同时刻生成的图像也是不同甚至是大相径庭的，而光照引 起的变化在现实情况中总是存在的。同时，由于成像系统的光电噪声和图像的 采样误差等等，图像噪声是不可避免的。但是，人们往往只对某一特定因素导 致的变动感兴趣。例如，对于运动分析，人们关心的只是视频序列中的运动目 标，而其它因素导致的变动只会使有关运动的解释复杂化。因此去伪存真，消 除其它因素( 如光照，噪声等) 引起的变动是必不可少的。因此在对视频图像 进行运动目标检测之前必须进行图像预处理操作，预处理结果的好坏将直接影 响到运动检测的结果。 2 1 图像滤波 经过数字化的图像，可能带有严重的噪声信号，这些噪声通常来源于图像 拍摄、传输和数字化的过程中，由于摄像器材、外部环境等干扰因素而混杂入 图像信号中。这样的图像是无法进行目标的准确检测和识别的，会严重影响对 图像的处理工作。因此，在图像的预处理阶段中，对噪声的滤除就变得尤其重 要。 因此，这里需要首先通过图像预处理的环节，对图像进行滤波处理使将被 处理的图像除掉噪声干扰，改善图像质量，从而保证以后视频处理的正确性。 下面介绍几种常用的滤波方法。 2 1 1 邻域平均法 邻域平均法是一种简单的空域处理方法，它是将像素点( m ，n ) 及其邻域的灰 度值与某一加权函数相乘后求和，所得的值作为该点的滤波值。 厂( 朋，以) = 2 f ( m - r , n - s ) h ( ，s ) ( m ，z = o ，1 ，n 一1 ) ( 2 1 ) 9 武汉理1 人学硕士学位论文 而= 吾( ；i ：2 吾( 季茎季 c 2 2 ， 2 1 2 高斯滤波法 高斯滤波属于一种低通滤波器，主要用于滤除噪声、平滑图像，形式如式 2 3 所示： 1 x 2 + y 2 g o ，y ) 。赤p 2 ( 2 _ 3 ) 在图像处理中为了抑制噪声，通常选用低通滤波，但由于边缘轮廓含有大 量高通信息，所以，过滤噪声的同时，必然使边界变模糊。反之，为了增强边 缘轮廓，常用高通滤波，但同时噪声也被加强了。在这个问题上中值滤波的处 理效果比较理想，它在滤除噪声的同时，还能很好的保护边缘轮廓。 2 1 3 线性滤波法 线性平滑滤波 1 2 对去除高斯噪声有很好的效果，在大多情况下，对其它类 型的噪声也有很好的效果，最简单的线性滤波器是局部均值波，对每一个像素 的狄度值g o ，y ) ，用其局部邻域n 内各像素灰度的平均值h ( x ，y ) 来代替，计算 公式如式2 4 所示： 日( 础) 。吉；g 。川 ( 2 - 4 ) 这里m 是邻域的像素数，g ( x ，y ) 是邻域内的坐标 ，y ) 处的灰度值。 在进行滤波处理时，不直接使用公式，而常通过滤波模板来实现，模板的 大小一般取3 3 ，常用滤波模板为： 1 0 武汉理工大学硕士学位论文 口( 一1 ，一1 ) 口( 一1 , o ) 口( 一l 1 ) a ( o ，一1 )以( o ，0 )口( o ，1 ) ( 2 5 ) 口( 1 ，一1 )口( 1 ，o )a ( 1 , 1 ) 1 在式2 - 5 u i , j 为模板参数，滤波系数为：g i , j ，由于模糊图像中的尖锐 处、边缘处、不连续的点和细节部分，造成了图像信息的丢失。 2 1 4 中值滤波法 中值滤波法【”1 4 j 是一种减少边缘模糊的非线性平滑方法，它的思想是用邻域 中灰度的中值代替图像当前的灰度值。它主要用于去除图像随机噪声，其原理 可描述为：对图像中的每一个像素，以其为中心任取一个对称区域，对区域内 所有点的像素值进行排序，取中间的一个值为所处理的点的像素值。由于突变 像素点在经过排序以后，位于排序队列的中间的可能性性很小，所以，这些突 变像素点的值会被区域内的中间像素值所代替，从而有效地去除了图像中的高 频随机噪声。 图像中值滤波的过程是首先将窗口中的像素按灰度值进行排序，再取序列 中间点的值作为中值，并以此值作为滤波器的输出值。 在有很强的胡椒粉式( 或脉冲) 干扰的情况下，因为这些灰度值的干扰值与其 邻近像素的灰度值有很大的差异，因此经排序后取中值的结果是将此干扰点变 成与其邻近的某些像素的灰度值一样，从而达到去除干扰的效果。应当注意的 是中值滤波的过程是一个非线性的操作过程，它既能保持图像的轮廓，又能消 除强干扰脉冲噪声。中值滤波除直接采用图像像素作中值外，还可采用其它的 方法，例如平滑锐化滤波就含有取中值和样点计算的过程。另一种方法是先计 算周边像素灰度的平均值，若所考虑像素的灰度与此平均值的差异超过一定临 界值时，则判定该像素为干扰，该点的值应采用先前计算所得的平均值来替代， 若不超出临界则用该点实际像素的灰度值作为滤波器的输出，此种方法更接近 于人眼的实际感觉。 中值滤波法算法原理如下： 中值滤波法通常是采用一个含有奇数个点的滑动窗口，用窗口中各点灰度 值的中值来代替窗口中心点的灰度值。对二维序列 厶) 进行中值滤波时，滤波 武汉理工大学硕士学位论文 窗口也是二维的，将窗口内的像素按照灰度值的大小排序，生成单调数据序列 x 0 ，二维中值滤波结果为： g 叫= m e d “，f o ，j ) e w ( 2 6 ) 式2 - 6 中w 为选定窗口的大小，五；为窗口内点的灰度值。与低通滤波相比， 这种噪声去除方法可以去除点状尖峰干扰而边缘不会被破坏。该算法在滤波时， 模板系数不会与原图像作线性运算，因此它对原图像中的非噪声点影响较小。 在消除噪声的同时，不会引起模糊。 总体来说，中值滤波法对于消除脉冲噪声是很理想的，同时对于消除孤立点 和线段的干扰十分有用，其突出的优点是在消除噪声的同时，还能保护边缘信 息。但当图像中的噪声像素数超过有效像素之半时，中值滤波将失效。 2 1 5 均值滤波 噪声图像的预处理中，均值滤波因其算法简单，对高斯噪声有较好的平滑 效果而得到广泛应用。该方法的基本原理是首先确定一个以某像素为中心点的 邻域，一般为方形邻域，然后对邻域中的各个像素的灰度值取加权均值，以加 权均值作为中心点像素灰度的新值。这里的邻域一般称为窗口，当窗口在图像 中上下左右进行移动后，利用均值滤波算法就可以很好地对图像进行平滑处理。 均值滤波算法是在原图像空间中，借助模板进行邻域操作完成的。它是一 种线形低通滤波算法，对一般的图像进行局部平均处理，可以使背景和目标的 灰度值波动减少，使灰度直方图峰谷更加明显，减少灰度交迭的概率。标准均 值滤波对图像滤波窗口取均值代替窗口中心像素点的做法可以在一定程度上对 噪声加以抑制但它也有一些缺点：如在图像边缘区由于存在两种不同的像素值， 采用相同权值的均值滤波会造成边缘模糊；均值滤波对脉冲噪声十分敏感，当 滤波窗内存在脉冲噪声时，脉冲噪声在很大程度上影响滤波效果，同时脉冲噪 声的存在经均值滤波其影响还会扩散到其周围像素。 1 2 武汉理工大学硕士学位论文 2 2 基于中值的加权均值滤波方法 3 2 1 算法原理分析 本文在中值滤波和均值滤波的基础上给出了一种基于中值的加权均值滤波 方法【1 引，具体实现方法如下： f 2 厂a ，j ) l 。表示输入图像，其中f ( i ，j ) 表示图像灰度值矩阵中o ，j ) 点处 像素的灰度值。以o ，j ) 代表像素中心在o ，j ) 大小为nx n 的一个窗口，例如，l 一3 时， f ，厂o 一1 ，j - 1 ) 厂o ，j 一1 ) f ( i + 1 ，_ 一1 ) 、 h 3 0 ，) = l 厂a ，j 一1 ) 厂o ，j ) ，( f ，j + 1 ) i i ，o + 1 ，j 一1 )，( f + 1 ，j )，o + 1 ，歹+ 1 ) j 本算法中取，l 一3 ，4 g 暑 g g ，j ) 材。表示滤波处理后输出的图像。k ( 奉) 表 示新提出的滤波器，则f ( i ，j ) = k ( h 。( f ，脚。该滤波器的具体实现步骤如下： 1 将模板h ，g ，j ) 在图像f = 【厂( f ，叫吖。中漫游，并将模板中心f ( i ，j ) 与图 中某个像素位置重合； 2 读取模板h 3 ( i ，j ) 下各对应像素的灰度值f ( i ，_ ) ； 3 将这些灰度值f ( i ，j ) 从小到大排成一列； 4 取这些灰度值中的最大值m a x 和最小值m i n ，如果f ( i ，j ) - m a x 或 f ( i ，j ) = m i n ，则令相乘权值为o ，即不考虑它们对图像造成的影响。 5 对剩余的7 个灰度从小到大依次和m ，w 2 ，w 3 ，w 4 ，w 2 ，m ，相乘后相加得 1 a ，令a 与2 m + 2 w 2 + 2 + w 4 相乘，得值。权值取值规律：毗对应这些灰度值 中的中值，取系数最大，而w 2 ，m 逐渐减少； 6 将这个中间值赋给对应中心位置的像素。 武汉理r 大学硕十学位论文 322 实验方法分析 实验结果：如图21 所示，图a 是原始存在噪声的图像图b 是原始图像 分割结果，图c 是基于中值的加权均值滤波去除噪声点后的图像，图d 是图像 基于中值的加权均值滤波后的分割结果。 图“) 原始存在噪声的图像图( b ) 原始图像分割结果 图( c ) 改进滤波后的结果图( d ) 改进滤波后的结果 图2 - 1 基于中值的加权均值滤波 首先定性分析基于中值的加权均值滤波方法。比较图a 和图c 可以看出原 始图像中噪声没有得到抑制，且目标边缘模糊不清图像清晰度不高。经过基 于中值的加权均值滤波后不仅使噪声得到抑制，而且目标及背景都比较清晰。 理论上分析本文滤波算法是基于中值取值，继承了中值滤波算法的优点， 并且采用加权的形式保留了更多原始图像的细节信息。通过实验对比图a 和图c 后分析，将这种基于中值的加权均值滤波方法应用于采集到的原始运动车辆图 像的预处理中，能够从去噪后图像中干净的分割出目标车辆，几乎没有噪声干 扰，并且车辆的边缘等细节信息保持的完好，达到了很好的效果。既滤除了噪 声，同时克服了传统中值滤波模糊细节的缺点。为后期的背景更新目标检测， 武汉理工大学硕士学位论文 特征分析担供了优质的图像。 2 3 图像增强分析 鉴于视频图像的噪声去除预处理有可能导致图像质量有所退化，本节将对 去噪后的视频图像做增强处理，以便能进一步提高运动目标检测的准确性。图 像增强是采用一系列技术去增强图像中用户感兴趣的某些特征，如边缘，轮廓 或对比度等进行强调或尖锐化。当一幅图像曝光不足或过度，造成对比度过小 或过大而不能显示具体细节，通过增加这此细节的动态范围提高图像的可懂度 使图像变得更有利于计算机处理。习惯上，为了得到一个满意的结果，对给定 的图像增强目标需要应用多种互补的图像增强技术。一般来说，图像增强的方 式共有以下几种：灰度变换、图像平滑、图像锐化和直方图修正法。 2 3 1 灰度变换 一般成像系统只具有一定亮度响应范围，亮度的最大值与最小值之比称为对 比度。由于成像系统的限制，常出现对比度不足的弊端，使人眼观看图像时视 觉效果很差。灰度变换可使图像动态范围加大，对比度扩展，图像清晰，特征 明显。 1 灰度线性变换 假定原图像舷，) ，) 的灰度范围为 以，6 ，希望变换后图像g ( x ，y ) 的灰度范围 扩展至 c ，棚，则线性变换可表示为： g ( x ，y ) 。竺【， ，y ) 一口】+ c d a ( 2 7 ) 若图像灰度在o 坼范围内，其中大部分像素的灰度级分布在区间 马6 ， 很小部分的灰度级超出了此区间，为改善增强的效果，可令： g ，y ) = c0 s 厂 ，y ) a 等【厂 ，y ) 一口】+ c 口sf ( x ，y ) 6 ( 2 8 ) d a dbsf b ，y 、) m 有时为了