一种基于计算机视觉车流量检测方法

《一种基于计算机视觉车流量检测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种基于计算机视觉车流量检测方法　　摘要：该文提出一种基于计算机视觉的车流量检测方法。首先，利用背景差法对视频中车辆前景图像进行提取。其次，对前景图像进行灰度化、二值化、膨胀、填充等图像处理方法。然后，完成图片中目标块数目的统计，完成车辆的计数。最后，对车辆粘连问题提出了基于车辆形状的解决方案。实验结果表明了该方法的准确性和有效性。关键词：计算机视觉；背景差法；图像处理；车流量检测；二值化中图分类号：TP391文献标识码：A文章编号：1009-3044（2013）19-4493-03随着现代交通的快速发展，车辆

2、的日益增多，合理利用道路资源成为目前一项重要课题。为了实现快速准确地检测道路中的车流量，该文提出了一种基于计算机视觉的车流量检测方法。1车辆前景图像的提取6对车辆进行检测的前提是提取车辆的前景图像，即在视频序列中实时地发现并提取运动目标，为之后运动目标的处理、识别、分析等算法提供数据[1]。一般情况下视频监控中背景与摄像头之间相对位置保持不变，则背景图像的大小和位置在不同帧中将保持不变，于是可以直接利用帧间同一位置像素的亮度或颜色的差别来进行变化检测，并提取目标。对于运动目标检测和提取算法，常用的有帧间差法、背

3、景差法这两种方法。帧间差法是利用相邻帧的图像相减得到车辆的前景图像，而背景差法是利用当前的图像减去背景图像得到车辆的前景图像。后者更加直接有效，通常能够提供最完备的特征数据，是当前静止背景下进行运动目标检测的最常用的方法[2]。具体做法：[Dt（x，y）=ft（x，y）-f（x，y）]（1）其中[Dt（x，y）]为提取出来的车辆前景图像；[ft（x，y）]为当前视频图像；[f（x，y）]为视频的背景图像。摄像头的位置是不变的，所以当前视频图像的背景与背景图片相同，相减后相同点的灰度值都变为零。而车辆包含的点在两

4、幅图中的灰度值不一样，相减后不为零[3]。实验结果如图1-图3所示。如图所示：实时路况图像与背景图像相减后可以得到车辆前景图像。这种方法得到的车辆前景图像很完整，能够很清楚的分辨出前景车辆。但这种方法最大的缺陷就是阴影问题比较严重，与此同时，背景图像的选取也很重要。2车辆前景图像的处理2.1图像二值化6摄像头拍摄到的图像一般为彩色图像，包含了丰富的信息，比如光照信息，物体表面的颜色信息等。但这些信息对运动车辆的检测作用不大，并且占用了大量的内存空间，严重影响到图像处理的速度和效率。因此，我们需要对图像进行二值化

5、处理[4]。在数字图像处理中，二值图像占有非常重要的地位。二值化后的图像不再涉及像素的多级值，使处理变得简单，而且数据的处理量较小。此外，二值化后的图像能够用几何学中的概念进行分析和特征描述，具有很大的优势。为了得到理想的二值图，我们一般用值域分割的方法，即该点的灰度值大于某个值时，就将该点的灰度值置为1，而小于该值的话就将该点的灰度值置为0。[g（x，y）=1f（x，y）≥T0f（x，y）≥T]（2）通过设定阈值T，可以将图像进行二值化。二值化后可以很清晰地分辨出车辆信息。便于图像的后期处理。图4为二值化后的

6、图像，该图像可以很清楚地分辨出车辆信息，但会出现有些车辆的前景图像不完整或区域不连通，这样对车辆计数有很大影响，这就需要对车辆前景图像进行完善处理。2.2图像膨胀和填充经过二值化后的图片，由于车辆本身各点的像素灰度值不同，其有些点的灰度值与背景图像上相应点6的灰度值很接近，再经过一定阈值的二值化后，这些点的灰度值就完全为“0”[5]。这样一辆车得到得前景图像就会不完整或者区域不连通，会导致图像中目标计数的不准确。针对这个问题可以通过图像的膨胀和填充将图片变得更完整。如图5可知，车辆的二值图像已经是一个完整的块，

7、但图像仍然含有噪声及小物体（如青色框框出部分），计算机同样也会将其默认为车辆信息。因此我们需要将这些噪声和小物体去除掉。2.3图像去噪在车辆的前景图像中由于噪声的存在以及二值化阈值取得不合理会导致二值化图像中小目标的出现，从而影响计算机对车辆的识别。因此，我们需要将图像中这样的小物体去除。首先我们要区分开车辆的前景图像和小物体，我们可以从面积来识别车辆。一般小目标二值化后的面积要比车辆的面积小得多，通过设定合适的阈值，可以将小目标去除，这样就可以得到仅为车辆前景图像的二值化图[6]。如图6。2.4车辆计数车辆前

8、景图像经过二值化，膨胀，填充等一系列处理之后，图像中每个车辆都有自己独立的区域，计算机就可以对图像中目标进行计数。由于每个区域的图像像素是连续的，在二值图像中表现为连通性，因此可以利用计算连通图的数量来求出目标数量。在MATLAB中利用bwlabel函数[7]可求出连通图的数量，对于图6中的车辆计数结果如图7。6虽然摄像头置高可以解决部分车辆重叠问题，但由于车辆阴影的影响还会有部分车辆