1、,視頻圖像處理技術(shù)在實(shí)時(shí)交通信息采集中的應(yīng)用,.,交通信息采集技術(shù),采集交通信息有多種技術(shù),目前國(guó)內(nèi)采用較多的是地埋式線(xiàn)圈檢測(cè)器。這種方法在技術(shù)上比較成熟,但從覆蓋范圍、檢測(cè)參數(shù)、可維護(hù)性和安裝簡(jiǎn)易性等角度來(lái)看,該方法有諸多缺陷。其他自動(dòng)化檢測(cè)方法還包括微波雷達(dá)、激光雷達(dá)、超聲波、視頻檢測(cè)技術(shù)等。,.,視頻檢測(cè)的優(yōu)點(diǎn),A,B,C,能一次探測(cè)多條車(chē)道的交通參數(shù),如車(chē)輛型、道路占用率、流量和平均速度等。,不會(huì)造成路面損壞,并能在不中斷交通的情況下完成安裝維修工作。,視頻檢測(cè)圖象記錄在硬盤(pán)或磁帶上,可以事后重現(xiàn)交通場(chǎng)景。,多道性,安裝維修方便,檢測(cè)參數(shù)多,D,視頻檢測(cè)器由于其視野廣的特點(diǎn)而使準(zhǔn)確計(jì)算

2、排隊(duì)長(zhǎng)度和交通流密度等參數(shù)成為可能。,可重現(xiàn)場(chǎng)景,.,車(chē)輛跟蹤法,虛擬線(xiàn)圈法,視頻檢測(cè)產(chǎn)品的分類(lèi),.,虛擬線(xiàn)圈法,早期大部分視頻檢測(cè)技術(shù)是采用是虛擬線(xiàn)圈法, 如AUTOSCOPE、CCAST、TAS、IM-PACST、TrafficCam等, 其工作原理類(lèi)似于地埋式線(xiàn)圈檢測(cè)器。用戶(hù)在圖象上定義檢測(cè)線(xiàn)位置, 系統(tǒng)通過(guò)計(jì)算檢測(cè)線(xiàn)變化強(qiáng)度來(lái)判斷車(chē)輛的經(jīng)過(guò), 從而計(jì)算交通參數(shù)。該方法的優(yōu)點(diǎn)是大大減少了數(shù)據(jù)處理時(shí)間, 在滿(mǎn)足實(shí)時(shí)要求的前提下完成流量、速度的檢測(cè)。由于交通場(chǎng)景象素值與路面象素值作差分比較僅僅可得到有無(wú)車(chē)輛通過(guò)采樣線(xiàn)位置這一唯一的特征值, 而丟失了包括車(chē)輛長(zhǎng)度、寬度和運(yùn)動(dòng)軌跡等特征, 所以降

3、低了系統(tǒng)的可靠性, 同時(shí)也未能充分利用圖象信息。,.,車(chē)輛跟蹤法,通過(guò)識(shí)別出交通場(chǎng)景圖象中符合車(chē)輛特征的象素, 進(jìn)行圖象分割, 并依據(jù)提取出的特征來(lái)匹配前后幀中車(chē)輛, 從而計(jì)算交通參數(shù)。CMS Mo-bilizer、EliopEVA、PEEK VideoTrak、Nestor Traffic Vision都屬于這一類(lèi)型, 也稱(chēng)為“ 第三代”vi P S。理論上, 車(chē)輛跟蹤法比虛擬線(xiàn)圈法更為嚴(yán)謹(jǐn), 所以更能代表發(fā)展的趨勢(shì)。但是該方法的難度在于特征的提取和特征的跟蹤。首先, 特征必須有代表性, 圖象中的車(chē)輛都具備該特征且各不相同; 其次同一車(chē)輛在不同幀圖象中特征應(yīng)該具有相關(guān)性, 能夠有較好的對(duì)應(yīng)關(guān)

4、系。,.,用3 D 車(chē)輛模型來(lái)匹配圖象中車(chē)輛。該方法的實(shí)現(xiàn)有賴(lài)于大量幾何數(shù)據(jù)和實(shí)際車(chē)輛外形尺寸相似的汽車(chē)模型。,3D模型跟蹤,圖象二值化后, 尋找連通區(qū)域, 實(shí)現(xiàn)跟蹤。該方法較好地解決了氣候、光線(xiàn)和周?chē)h(huán)境條件對(duì)視頻圖象的影響這一難題。其缺點(diǎn)在于二值化后車(chē)輛圖象經(jīng)常并不通, 而是分為不連續(xù)的幾塊,導(dǎo)致檢測(cè)錯(cuò)誤。同時(shí)確定二值化閡值、動(dòng)態(tài)更新背景和尋找連通區(qū)域過(guò)程中算法復(fù)雜, 計(jì)算量大。,區(qū)域跟蹤,法著眼于車(chē)輛的局部特征, 如較亮的點(diǎn)或線(xiàn),以此實(shí)現(xiàn)車(chē)輛跟蹤。,特征跟蹤,通過(guò)濾除圖象中的靜止物體, 而僅保留運(yùn)動(dòng)物體來(lái)實(shí)現(xiàn)跟蹤。無(wú)法檢測(cè)靜止車(chē)輛, 而且其檢測(cè)效果受車(chē)輛運(yùn)動(dòng)速度的影響, 過(guò)快或過(guò)慢的車(chē)速

5、都可能導(dǎo)致檢測(cè)錯(cuò)誤。,動(dòng)態(tài)輪廓跟蹤,跟蹤方法,.,系統(tǒng)軟硬件組成,一套完整的視頻交通信息采集系統(tǒng)包括的硬件至少有攝象機(jī)、計(jì)算機(jī)、圖象采集卡、及數(shù)據(jù)傳輸存儲(chǔ)設(shè)備等 。 視頻交通信息采集軟件主要 由三部分一組成 硬件控制部分。該部分負(fù)責(zé)控制圖象采集卡和數(shù)字圖象記錄儀等設(shè)備正常工作。 人機(jī)交互部分, 主要包括采集參數(shù)的設(shè)置、處理結(jié)果的輸出等。 圖象處理部分, 主要包括車(chē)輛檢測(cè)、車(chē)輛匹配、背景更新、交通參數(shù)計(jì)算等。,.,系統(tǒng)處理流程,由于虛擬線(xiàn)圈法所存在的不足, 目前更多的研究轉(zhuǎn)向了特征跟蹤法。為了滿(mǎn)足系統(tǒng)的實(shí)時(shí)處理要求,消除天氣、光線(xiàn)和周?chē)h(huán)境條件時(shí)刻變化對(duì)圖象處理的影響, 大部分技術(shù)采用了背景差法。右圖是典型的特征跟蹤法類(lèi)的視頻交通信息采集系統(tǒng)的算法處理流程。,.,實(shí)時(shí)車(chē)輛檢測(cè),如何使計(jì)算機(jī)模擬人的認(rèn)知能力, 消除車(chē)輛圖像融合所帶來(lái)的誤差, 智能識(shí)別車(chē)輛更是一個(gè)涉及多學(xué)科的課題。而系統(tǒng)的實(shí)時(shí)性要求則希望算法盡量簡(jiǎn)單。所以如何準(zhǔn)確快速地實(shí)現(xiàn)車(chē)輛檢測(cè), 一直是個(gè)研究熱點(diǎn)是個(gè)研究熱點(diǎn)。,車(chē)輛跟蹤,如何在動(dòng)態(tài)變化的圖像 中提取目標(biāo)對(duì)象特征以準(zhǔn)確匹配車(chē)輛從而達(dá)到統(tǒng)計(jì)交通量和計(jì)算車(chē)速等應(yīng)用目的, 是另外一究重點(diǎn)。,背景更新,背景圖像的變化