基于视频的车辆检测技术及其在智能交通中的应用

《基于视频的车辆检测技术及其在智能交通中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于视频的车辆检测技术及其在智能交通中的应用智能交通系统(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。一、主要车辆检测技术及性能比较依据车辆检测触发方式的不同，现有的车辆检测器主要分为以下几类：电磁感应、红外感应、微波感应、超声波、视频检测方式等。电磁感应线圈（ILD）是一种普遍采用的方式，采用感应线圈应用到车辆检测中，开始于上个世纪70

2、年代。其基本原理是在路面检测区域敷设感应线圈，当车辆经过线圈上方时，线圈电感量会发生变化，利用这种变换来检测是否有车辆通过。其优点是：该技术因为比较可靠的检测车辆，技术成熟、易于掌握，计数精确，同时系统稳定，受环境的影响较少。价格低廉。缺点是：安装过程对可靠性和寿命影响很大，维修或安装需中断交通，破坏路面，影响路面寿命。同时线圈易被重型车辆、路面修理等损坏，而且它的维护难度大，不易移植，线圈容易在夏季断路。 红外传感器使用发射、接收器，发射光束并接收反射光束，通过反射频率的变化进行对所需数据的检测。优点：同一算法能够适用于昼、

3、夜不同的时段，价格中等。缺点：为了实现高灵敏度，可能需要很好的红外线焦平面检测器，来提高功率。微波感应技术是利用雷达线性调频技术原理，对路面发射微波，通过对回波信号进行高速实时的数字化处理分析，实现车辆检测。优点：能够应用于恶劣气候条件。缺点：在车流拥堵以及大型车较多、车型分布不均匀的路段，由于遮挡，测量精度会受到比较大的影响，对安装高度要求严格，安装困难，价格也比较昂贵。超声波检测器的原理是这样的，首先由传感器发射一束能量到检测区，然后接受反射回来的能量束，通过有关的换能装置，将能量转换成所需的数据，依据此数据判别被检测物是

4、否存在或与传感器的位置。优点：可靠性较高，易于安装。缺点：性能随环境温度和气流影响而降低，价格较贵。基于视频的车辆检测技术，通过摄像机实时得到交通场景，运用图像处理和模式识别的知识来检测车辆，得到了广泛的应用。优点：易于安装调试，提供大量信息，价格适中。缺点：夜晚及恶劣天气存在较大误差。二、视频检测技术（一）系统组成系统所用的硬件有：摄像机、镜头、图像采集卡，计算机。摄像机的功能是把光信号转换成电信号。镜头是成像部件，图像采集卡将摄像机输出的视频数据输入电脑，并转换成计算机可辨别的数字数据，存储在计算机中，成为可编辑处理的视频

5、数据文件。计算机则是根据编制的程序，对输入的视频数据进行分析，检测是否有车辆经过。（二）主要方法及原理基于视频的车辆检测技术，按照是否建立模型可以分成基于模型的和非模型的两类。基于模型的方法中应用最广泛的背景减除(Backgr-oundsubtraction)技术，即从当前帧和背景帧的差异来检测运动目标，因此运动目标的检测结果和背景好坏有直接关系，生成的背景应当独立于应用场景，对不同环境、光照有一定的适应能力，能够抑止摄像机的微小抖动和场景中微小运动，当场景发生显著变化时，应当能够自适应调整背景模型。基于背景模型研究人员提出了

6、不同的方法，a、时间平均(tineaueragb)是最简单的方法，它对内存要求低，处理速度快。b、采用最近n帧的中值作为背景模型方法。以上两种方法对于场景中存在多个运动目标或目标运动缓慢时，前景会污染背景。c、利用帧间差分(inter-framedifferencd)信息来生成背景的方法，该方法能够应用于多个运动目标的场合，但更新率不容易选择。d、用卡乐曼滤波器对每个像素建立模型来适应场景中的光照变化，其缺点是依赖于阈值的选择。e、用K个高斯混合分布（GaussianMixtureModelGMM）对每个像素进行建模方法，它解

7、决了像素的多峰分布和缓慢变化的背景。该方法假设像素符合高斯分布，实际像素颁布可能不满足该假设。对于频繁变化的像素，需要多个高斯混合分布才能反映这种变化。f、利用了图像变化的时间信息和图像空间信息，假设属于背景像素的邻域像素变化应当一致，但是对于存在显著差异的背景边界会引起误检测。g、在整幅图像上进行特征值分解方法，充分利用空间相关性，它能取得较好效果，但要耗费大量内存，检测精度要低于高斯混合模型。h、基于内核密度（KernelDensityEstination,KDE）估计的非参数背景模型，该方法能够适应不同的场景，不同于GM

8、M，它充分利用最近的历史帧信息来更新背景模型，能够适应复杂的像素分布密度，因此能够得到较准确的估计，能够克服像素值在短时间内发生的频繁变化。对于非模型的方法，最简单的是设定一个检测区域，即采用虚拟线圈的视频检测技术。因为不依赖于特定的模型，因此实时性能好于基于模型的方法。虚拟