吳洪渝 重慶交通大學(xué)

關(guān)鍵字：車流量統(tǒng)計 opencv 車輛檢測。

前言：在當(dāng)前這個網(wǎng)絡(luò)盛行的時代，計算機技術(shù)也在向衣食住行各個領(lǐng)域滲透。例如美團、去哪兒、支付寶、微信等app，每時每刻都會有人使用這些計算機技術(shù)開發(fā)出來的軟件。已經(jīng)依賴軟件來幫助自己方便、快捷的完成自己想要完成的事情。在交通方面也有很多的應(yīng)用，例如google地圖，百度地圖，高德地圖。它們的首要功能是導(dǎo)航，無論是步行還是駕車，它都可以幫人類找到一條最近的路線或者耗時最短的路線。這些技術(shù)也是在最近這十幾年提出來并且實現(xiàn)的。從很大程度上解決了人類出行的問題，讓出行方式有了翻天覆地的變化。

1 系統(tǒng)概述

該系統(tǒng)的主要架構(gòu)是由攝像頭獲取實時的道路交通情況數(shù)據(jù)，然后利用處理器進行實時的計算分析，再將數(shù)據(jù)以單位時間段的頻率向上一級反饋數(shù)據(jù)，根據(jù)數(shù)據(jù)相應(yīng)交通部門決定是否需要派出人員進行現(xiàn)場指揮，利于人員的合理分配。在終端傳輸向上級傳輸完數(shù)據(jù)之后，會自行對內(nèi)存進行一個清理。刪除已經(jīng)沒有用處的數(shù)據(jù)，避免內(nèi)存不足而出現(xiàn)故障。在早期會以有監(jiān)督的形式對模型的判別進行修正。以及在收集了大量數(shù)據(jù)之后，利用大數(shù)據(jù)技術(shù)對整個交通情況進行分析在一定時間段以內(nèi)的道路車流量進行流量分析，以及在進行大量數(shù)據(jù)的分析之下，制定出一些更好的、更合理的交通規(guī)定和合理的建設(shè)交通設(shè)施。有利于交通資源的合理分配，將資源用在最需要用的地方，避免出現(xiàn)沒有意義的資源浪費。還能使治安性更好。

2 關(guān)鍵算法

2.1 空間濾波技術(shù)

空間濾波技術(shù)是一種采用濾波處理的影響增強方法，它能夠?qū)D像中的噪聲有一個很好的消除作用，從而改善整個影像的質(zhì)量。影響著整個處理過程的數(shù)據(jù)真實性，起著非常重要的作用。在此處我們采取高斯濾波技術(shù)對圖像進行濾波。公式為：

2.2 幀差技術(shù)

在處理攝像頭捕獲的每一幀之后，會利用上一幀的圖像對其做一個矩陣對應(yīng)位置相減。因為整個大環(huán)境的背景是不會有太大變化的，作完減法之后提取出來的就是運動的車輛在當(dāng)前幀的一個大概的位置，當(dāng)然如果相隔幀數(shù)取得不合適的話可能會造成產(chǎn)生重影的現(xiàn)象。該系統(tǒng)在此處選用的幀差為3，在相應(yīng)的硬件設(shè)施下，能夠清晰的獲取到運動物體的位置。

2.2.1 二值化

使用二值化的目的是為了讓運動物體和當(dāng)前的大環(huán)境之間的區(qū)分度更加的明顯。環(huán)境在大多數(shù)情況之下經(jīng)過幀差處理，都是呈現(xiàn)成黑色。而運動的車輛具有亮度是呈現(xiàn)的一種灰度顏色，所以經(jīng)過閾值將其處理為黑白圖像。

2.2.2 膨脹算法以及腐蝕算法

膨脹算法和腐蝕算法是在圖像處理技術(shù)中十分常見的處理技術(shù)，通常是相輔相成的。膨脹是對高亮度區(qū)域中的每一個像素按一定范圍，進行一個高亮區(qū)的范圍擴寬，在此處可以將二值化之后的圖像中運動的車輛內(nèi)部進行一個擴充，盡量的將其填充成一個閉合的幾何圖形。而腐蝕算法則是相反，它的作用是減少孤立的高亮點。處理的是高亮區(qū)邊緣的點，不會導(dǎo)致中間部分失真。

2.2.3 邊緣提取技術(shù)以及感興趣區(qū)域的設(shè)置

在圖像中提取出邊緣，可以調(diào)用opencv中findContours()方法。該方法能夠自適應(yīng)提取出閉合幾何圖形的輪廓，在此處就能夠很好的提取出經(jīng)過處理之后的膨脹腐蝕之后物體的輪廓。然后涉及一個感興趣區(qū)域，感興趣區(qū)域在本文中的設(shè)置是攝像頭能夠拍攝到的多條馬路，從物體進入這個感興趣區(qū)域，到物體消失在感興趣區(qū)域就認為有一輛車經(jīng)過。所以感興趣區(qū)域的設(shè)置會影響整個統(tǒng)計的結(jié)果值。

2.3 產(chǎn)品檢驗與缺陷

在綜合了多次測試結(jié)果之后，得到如下的結(jié)果。十分鐘之內(nèi)通過人數(shù)出的車輛為287輛左右，通過軟件得出的結(jié)果為254輛左右。可見其中還是存在漏數(shù)的情況。識別率為88%。經(jīng)過總結(jié)，得出有如下幾點缺陷：（1）數(shù)據(jù)集中車輛的模型還不夠多。（2）沒有考慮光線和天氣因素。（3）還有行人的因素在其中。