基于视频的交通事故汽车车速计算研究汽车服务毕业论.doc

四川师范大学成都学院本科毕业设计基于视频的交通事故汽车车速计算研究前言基于视频的交通事故汽车车速1计算研究是一种新型的车速研究方式，是事故发生后通过某种手段对车速的还原, 简称为“视频测速”。“视频测速”是在没有任何的交通测速的情况下，仅仅对某时段采集的视频进行分析与仿真,从而计算出车辆在发生事故之前的速度。视频测速方法比起普通路上的测速仪2的方法，具有普通测速仪没有的优点: 可以不使用专用的测速设备的情况下, 可以把成本降到最低; 减少了一些地方不必要的普通测速设备，把交通事故透明化; 安装简单，使用方便，不仅可以使用固定某一点测速，还可以动态测速; 对速度精确较高，避免了不必要的误差。1 课题设计的背景、目的和意义1.1 课题设计的背景在当今这个社会，“路”交织错落，而人们物质条件也越来越好。所以，出行“车”成为了当今社会一道亮丽的风景线。但是，由于人们安全意识没有提高，对自身保护没有注意。所以交通事故一起接一起，而出了事故之后又是一波交通事故纠纷，孰是孰非？那个也说不清楚，而本设计“基于视频的交通事故汽车车速计算研究”就是对交通事故后对碰撞前车速计算3的研究，避免盲区，在没有交通安全测速地带也可以计算出车速。1.2 课题设计的目的和意义本项目的设计目的：对交通事故后，通过本设计对交通事故之前的车速测算，可以有效地避免交通安全控制区域之外的盲区无法测定车速而造成纠纷，对交警划分事故也有很大的帮助，大大减少了事故纠纷的时间，同时避免了交通事故造成车辆堵塞。 在这个科技发达的年代，人们的生活水平的不断地提高，人们出行选择交通运输方式很多，但是在选择出行方式的同时也需要选择安全可靠的出行，人们的人身安全才会得到保障。本项目就是以“基于视频的交通事故汽车车速计算研究4”这样的目标为出发点，结合自己所学知识，学有所用来达到要求。 这样可以减轻交通压力，也可以减少交警的执事，也为人们遇到事故后减少纠纷时间。2 基于视频计算车速的理论分析2.1 图像处理5图像去噪处理、图像增强处理、图像复原处理等为常用的图像处理技术。图像滤掉噪声可以对照片质量不好的图像进行处理，对比度可以有很大的提高，图像的可读度也可以被增强，这样处理过后可以为后续的运动目标及特征点提取一份比较高质量的图像。2.1.1 图像处理的基础知识 图像灰度6颜色三原色是由红(R)，绿(G),蓝(B)三原色的不同组合而成，如图2.1.1-1中所有颜色都可以由三原色组成。而亮度、饱和度和色调是颜色区分的3种基本量。颜色的亮度与所研究物体的反射率成正比例关系。色调与混合光谱中的主要光波长相关。色调的纯度影响饱和度。而灰度图像常常被用于图像处理，这样经过处理后就不含有色彩信息了，但含有一种亮度信息。人们把亮度值进行分级，从零到二百五十五共二百五十六个级别，最暗的黑色由零代表，最亮的白色由二百五十五代表。图2.1.1-1 色彩灰度对照图 图像运算7在matlab这款软件中,他将数字图像数据存放在一个矩阵中，矩阵的每个数值都对应着一个像素点的像素值。Matlab软件进行图像处理时，所包含了代数运算、点运算、几何运算等大量的数学运算。把一个图像和另一个图像的数值进行加减乘除的运算称之为代数运算，这样可以实现两个及几个图像相互叠加或者差分。通过某种手段将图像的大小改变、成比例的缩放或者把图像旋转一个位置的运算叫做几何运算。而输入像素至关重要，他决定着输出图像的灰度值，经过这样运算过后称点运算。点运算其实就是将灰度变换成函数确定。即： （2.1.1-1）式中，A（x，y）是某点运算前的图像像素值；B(x，y)是点运算后的图像值。f是对A（x，y）的一种映射函数，即GST函数。根据映射方式不同，点运算分成三种运算-线性点运算、非线性点运算和直方图修正。当映射函数为线性时，即 (2.1.1-2)当，时，输入图像是不产生变化的；当，时，增加或者降低图像的灰度；当时，增大输入图像的对比度；当是，减小输出图像的对比度，当时，图像进行相反变化，亮变暗，暗变亮，即图像求补。 图像二值化8将图像上的像素点的灰度值设置为零或二百五十五就是将图像进行二值化，这样处理后让图像黑白对比明显。假设 m 为二值化之阀， f(x,y)表示图像像素坐标 (x,y) 的灰度值，若 f(x,y)m ，f(x,y) 为 二百五十五 ；若f(x,y) 1 plot(xi,a(n-1,1), yi,b(n-1,1), -rs,LineWidth,2,. MarkerEdgeColor,k,. MarkerFaceColor,g,. MarkerSize,10); else plot(xi, yi, s,LineWidth,2,. MarkerEdgeColor,k,. MarkerFaceColor,g,. MarkerSize,10); end a(n,1) = xi; b(n,1) = yi;endplot(xi,a(1,1), yi,b(1,1), -rs,LineWidth,2,. MarkerEdgeColor,k,. MarkerFaceColor,g,. MarkerSize,10);hold off;if length(a) = 3 va = round(a); vb = round(b); x = 1:size(A,1); y = 1:size(A,2); Y,X = meshgrid(y,x); in = inpolygon(Y(:),X(:),va,vb); AA = reshape(A, size(A,1)*size(A,2),size(A,3); BB = repmat(uint8(255),size(AA); BB(in,:) = AA(in,:); B = reshape(BB, size(A,1),size(A,2),size(A,3); bw=im2bw(B); bw=medfilt2(bw); bw=medfilt2(bw);endbw1 = bw;%黑白互换bw1=bwareaopen(bw1,500);%去孔点SE=strel(disk,14);%设置结构元素I2=imopen(bw1,SE);imshow(I2),title(open)L=bwlabel(I2);%标记stats = regionprops(L, Centroid);%寻找质心hold on;for i = 1 : length(stats) temp = stats(i).Centroid; plot(temp(1), temp(2), r.);%temp（1）为横坐标，2为纵坐标 end e=e temp(1) f=f temp(2) pauseendhold onp s= polyfit(e,f,1) %作线性回归直线x=0:0.01:1000;y=p(1)*x+p(2);plot(x,y)for i=1:len %点投影 u=(e(i)+f(i)*p(1)-p(2)*p(1)/(p(1)2+1) v=(p(1)*e(i)+f(i)*p(1)2-p(2)*p(1)2)/(p(1)2+1)+p(2) c=c u d=d v plot(c(i),d(i),g.);hold onend4.标定按钮global c;global d;global len; global im; ；global bdd ；global x1；global x2；global x3；global y1；global y2；global y3global DE；global EF；global AB；global BCAB=str2num(get(handles.edit3,string)/2;L1=length(AB);if L1 1 plot(xi,a(n-1,1), yi,b(n-1,1), -rs,LineWidth,2,. MarkerEdgeColor,k,. MarkerFaceColor,g,. MarkerSize,10); else plot(xi, yi, s,LineWidth,2,. MarkerEdgeColor,k,. MarkerFaceColor,g,. MarkerSize,10); end a(n,1) = xi; b(n,1) = yi;endplot(xi,a(1,1), yi,b(1,1), -rs,LineWidth,2,. MarkerEdgeColor,k,. MarkerFaceColor,g,. MarkerSize,10);hold off;if length(a) = 3 va = round(a); vb = round(b); x = 1:size(A,1); y = 1:size(A,2); Y,X = meshgrid(y,x); in = inpolygon(Y(:),X(:),va,vb); AA = reshape(A, size(A,1)*size(A,2),size(A,3); BB = repmat(uint8(255),size(AA); BB(in,:) = AA(in,:); B = reshape(BB, size(A,1),size(A,2),size(A,3); bw=im2bw(B,0.4);endbw1 = bw;%黑白互换bw1=bwareaopen(bw1,500);r, h=find(bw1=1);rectx, recty, area, perimeter = minboundrect(h, r, a);%作最小矩形l=(rectx(1)-rectx(2)2+(recty(2)-recty(1)2)0.5;%矩形长度da=str2num(get(handles.edit19,string);%修正系数l=l+da;%修正后的长度imshow(bw1); hold online(rectx, recty, color, r);for i=1:len plot(c(i),d(i),.);end p s= polyfit(c,d,1);x=0:0.01:1000;y=p(1)*x+p(2);plot(x,y)axis oh = imline(gca,10 100, 100 100); %做用于标定的线setColor(h,0 1 0);id = addNewPositionCallback(h,(pos) title(mat2str(pos,3);api = iptgetapi(h);pausepos = api.getPosition() u1=pos(1,1);v1=pos(1,2);%x1,y1 = ginput(1); x1=(u1+v1*p(1)-