摘 要 車(chē)輛檢測(cè)系統(tǒng)在智能交通系統(tǒng)中具有很重要的地位。機(jī)動(dòng)車(chē)輛流量計(jì)數(shù)與監(jiān)控為智能控制提供了相當(dāng)重要的數(shù)據(jù)來(lái)源，通過(guò)計(jì)算機(jī)視覺(jué)的機(jī)動(dòng)車(chē)流量統(tǒng)計(jì)系統(tǒng)可以檢測(cè)很多交通參數(shù)，便于我們檢測(cè)和監(jiān)控，這些參數(shù)中的一個(gè)重要參數(shù)就是汽車(chē)流量。

關(guān)鍵詞 智能交通系統(tǒng)；計(jì)算機(jī)視覺(jué)；汽車(chē)流量

中圖分類(lèi)號(hào)：TN948 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）14-0048-01

基于視覺(jué)的圖像處理器測(cè)量精度高，抗干擾能力強(qiáng)，許多自然及人為的干擾都可以被消除，運(yùn)用預(yù)測(cè)技術(shù)可以再捕獲瞬間丟失的目標(biāo)，并且能實(shí)現(xiàn)對(duì)記憶的跟蹤。它通常安裝在路邊或架空安裝，不會(huì)重新鋪設(shè)路面，也不會(huì)影響埋在地下的水和天然氣管道，更不會(huì)干擾交通。 基于視覺(jué)的圖像處理有其突出的優(yōu)點(diǎn)，表現(xiàn)在：可以獲得的目標(biāo)信息非常巨大，獲取信息的方法也非常方便。

1 研究的實(shí)用意義

車(chē)輛檢測(cè)系統(tǒng)在智能交通系統(tǒng)中具有很重要的地位。機(jī)動(dòng)車(chē)輛流量計(jì)數(shù)與監(jiān)控為智能控制提供了相當(dāng)重要的數(shù)據(jù)來(lái)源，通過(guò)計(jì)算機(jī)視覺(jué)的機(jī)動(dòng)車(chē)流量統(tǒng)計(jì)系統(tǒng)可以檢測(cè)很多交通參數(shù)，便于我們檢測(cè)和監(jiān)控，這些參數(shù)中的一個(gè)重要參數(shù)就是汽車(chē)

流量。

基于視頻的檢測(cè)法作為最有前途的方法之一，有以下優(yōu)點(diǎn)。

1）能高效、準(zhǔn)確、安全可靠地的監(jiān)視和控制道路交通，能夠提供高質(zhì)量高分辨率的圖像信息。

2）用于交通監(jiān)視和控制的主要設(shè)備就是安裝視頻攝像機(jī)，現(xiàn)在我國(guó)所有城市基本都已經(jīng)安裝了視頻攝像機(jī)，甚至高清視頻攝像機(jī)。因?yàn)榘惭b視頻攝像機(jī)破壞性非常低、很方便、也很經(jīng)濟(jì)。

3）由計(jì)算機(jī)視覺(jué)得到的交通信息可以通過(guò)聯(lián)網(wǎng)工作，非常有利于對(duì)道路交通網(wǎng)的監(jiān)視以及控制。

4）由于目前對(duì)智能交通系統(tǒng)的安全性、實(shí)時(shí)性和可靠性的要求都非常高，計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展顯得極其

重要。

2 研究?jī)?nèi)容

本研究主要包含兩大部份：一部分就是采用分類(lèi)和分割方法把采集到的視頻圖像的目標(biāo)進(jìn)行識(shí)別；另一部分就是通過(guò)定位方法來(lái)實(shí)現(xiàn)目標(biāo)的跟蹤。這兩部份是缺一不可，緊密聯(lián)系在一起的。

首先先介紹視頻圖像的目標(biāo)識(shí)別，視頻圖像目標(biāo)的識(shí)別方法有很多，但總體上主要有兩種方法：一是大家熟悉的相關(guān)匹配法，二是特征匹配法。相關(guān)匹配法是通過(guò)找到最大相關(guān)值（最大相關(guān)值指的就是當(dāng)前圖像與參考圖像間的相關(guān)系數(shù)的大小）所在的位置來(lái)確定當(dāng)前輸入圖像中的目標(biāo)位置。相關(guān)匹配法優(yōu)點(diǎn)是可以在信噪比很小的條件下工作，對(duì)噪聲抑制能力非常強(qiáng)，在計(jì)算形式上比較簡(jiǎn)單，很容易實(shí)現(xiàn)。但它的缺點(diǎn)也很明顯，由于相關(guān)匹配法對(duì)幾何和灰度畸變十分敏感，反而計(jì)算量偏大，造成的直接后果就是非常容易產(chǎn)生累積誤差，而且最關(guān)鍵的就是不能充分利用視頻圖像目標(biāo)的幾何特性，就不能保證對(duì)識(shí)別目標(biāo)的跟蹤精度。相關(guān)匹配法比較適合于對(duì)目標(biāo)的尺寸變化不大并且場(chǎng)景各部分的相關(guān)性不強(qiáng)，當(dāng)前輸入圖像和參考圖像的產(chǎn)生條件較為一致的場(chǎng)合。特征匹配方法是目前研究較多的一類(lèi)圖像匹配方法，它是通過(guò)目標(biāo)的特征與輸入圖像中目標(biāo)的特征來(lái)比較辨識(shí)目標(biāo)。它首先提取輸入圖像和參考圖像的相關(guān)特征信息，比如邊緣、角點(diǎn)等。然后通過(guò)測(cè)量距離來(lái)比較輸入圖像與參考圖像的特征集合，如果輸入圖像的特征集與參考圖像的特征集距離是最小的（在滿(mǎn)足給定約束條件下），則判定該目標(biāo)被識(shí)別。它對(duì)目標(biāo)的幾何特征、灰度畸變一點(diǎn)都不敏感，但它充分利用了目標(biāo)圖像的特征信息，因而可以保證較高的跟蹤精度。

上面介紹了視頻圖像目標(biāo)的識(shí)別，現(xiàn)在介紹本研究第二部分：通過(guò)定位方法來(lái)實(shí)現(xiàn)目標(biāo)的跟蹤。對(duì)于圖像目標(biāo)的跟蹤方法通常有下面幾個(gè)方法。

亮度中心法，其實(shí)這種方法計(jì)算很簡(jiǎn)單，只要確定了一個(gè)點(diǎn)，就能完成定位。這個(gè)點(diǎn)就是一個(gè)跟蹤點(diǎn)，它就是具有最高灰度的像素點(diǎn)（來(lái)自獲得的視頻目標(biāo)圖像）或這個(gè)點(diǎn)上的一個(gè)鄰域。這種方法、性能很穩(wěn)定、容易實(shí)現(xiàn)，工程上運(yùn)用的很多。但這種跟蹤非常容易受干擾，因?yàn)樗饕m用于紅外和其他放射性目標(biāo)的跟蹤。

最佳空間濾波法是常用跟蹤方法之一，它完全是在亮度中心法的基礎(chǔ)上建立起來(lái)的，為了提高跟蹤性能，就要把目標(biāo)的大小、形狀、運(yùn)動(dòng)特性等特征都完全利用起來(lái)。但目前這類(lèi)方法也有明顯缺點(diǎn)，在實(shí)用性、定位精度上和計(jì)算量方面都有較大的限制。

投影、形心法是通過(guò)目標(biāo)的投影或形心來(lái)確定目標(biāo)的實(shí)際位置和運(yùn)動(dòng)姿態(tài)。對(duì)比前面兩種跟蹤方法，投影、形心法的優(yōu)點(diǎn)是計(jì)算量非常小，容易通過(guò)硬件方式來(lái)實(shí)現(xiàn)。缺點(diǎn)是它的抗干擾性能力比較差，主要用于均勻背景下跟蹤孤立目標(biāo)。

從以上對(duì)研究?jī)?nèi)容的介紹，現(xiàn)有的各類(lèi)識(shí)別和定位方法都各有優(yōu)缺點(diǎn)，要想找到一個(gè)合適的方法，都達(dá)不到滿(mǎn)意的效果。要想取得較好的性能，都只能在目標(biāo)尺寸相對(duì)對(duì)比度變化都不大、對(duì)噪聲的干擾又比較小、圖像灰度的空間變化并不明顯的理論環(huán)境中。然而實(shí)際的環(huán)境通常是變化無(wú)常的，通過(guò)一種方法來(lái)實(shí)現(xiàn)目標(biāo)的識(shí)別與跟蹤很難有合適的效果。最近幾年，結(jié)合這些方法的優(yōu)點(diǎn)和缺點(diǎn)，混合定位識(shí)別的方法確能將上述各類(lèi)基本的識(shí)別方法進(jìn)行混合定位，使它們能夠合二為一，相互補(bǔ)充。這代表著目標(biāo)識(shí)別方法非常具有理論研究和應(yīng)用價(jià)值，是一個(gè)重要發(fā)展方向。

3 技術(shù)路線(xiàn)

研究的技術(shù)路線(xiàn)（如圖1）：首先提取出攝像機(jī)采集到的視頻，該視頻是以幀為單位的圖片文件形式。然后對(duì)圖像數(shù)據(jù)進(jìn)行數(shù)學(xué)上的處理，比如二值化、提取邊緣等。這樣就可以識(shí)別汽車(chē)的位置進(jìn)行定位，最后對(duì)識(shí)別出來(lái)的汽車(chē)數(shù)量通過(guò)計(jì)數(shù)器計(jì)數(shù)。

4 研究實(shí)現(xiàn)

通過(guò)基于計(jì)算機(jī)視覺(jué)的研究，我們?cè)O(shè)計(jì)出了能夠?qū)崿F(xiàn)機(jī)動(dòng)車(chē)流量的檢測(cè)和計(jì)數(shù)的系統(tǒng)。并且該系統(tǒng)能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行識(shí)別與跟蹤定位，對(duì)出現(xiàn)多目標(biāo)遮擋和丟失目標(biāo)，還可以重新匹配。

5 結(jié)束語(yǔ)

本文創(chuàng)新之處就是將上述各類(lèi)基本的識(shí)別方法進(jìn)行混合定位，使它們能夠相互補(bǔ)充。這代表著目標(biāo)識(shí)別方法非常具有理論研究和應(yīng)用價(jià)值，是一個(gè)重要發(fā)展方向。

參考文獻(xiàn)

[1]章毓晉.圖像工程（第2版）[M].清華大學(xué)出版社，2007.

[2]夏文龍.基于計(jì)算機(jī)視覺(jué)的汽車(chē)流量檢測(cè)研究[D].四川大學(xué)，2003.

[3]葛群輝，淺談基于視覺(jué)的高速公路車(chē)流檢測(cè)技術(shù)[J].科技資訊，2010（2）.

[4]劉萌萌，基于無(wú)標(biāo)度攝像機(jī)的車(chē)流跟蹤與速度估計(jì)算法研究[D].西南交通大學(xué)，2005.

作者簡(jiǎn)介

童華，男，重慶電子工程職業(yè)學(xué)院，講師。endprint