搜索
龙源期刊网的车流量统计算法的研究作者：张铭璐何小东来源：《电脑知识与技术》2016年第19期摘要：智能视频监控技术越来越多的应用于交通监控管理。本文基于OpenCV技术从车辆检测和车辆跟踪两方面对车流量的统计算法进行研究。以高斯背景更新算法和背景差分算法实现对车辆的检测与识别，后利用CamShift算法实现对车辆的跟踪，最后采用质心估算法完成对车流量的统计，研究结果表明上述算法可以对车流量进行有效统计，能为交通疏导管理提供有效分析处理数据。关键词：智能视频监控；高斯背景更新算法；背景差分法；车流量统计中图分类号：TP18文献标识码：A文章编号：1009-3044（2016）19-0169-021概述随着科技的发展，智能视频监控技术越来越多的应用于城市道路交通，交通监控包括对车速的监控、车流量和道路状况的监控、车辆异常行驶报警、车型判断、车牌识别等内容，其中车流量统计可以对多车道进行车辆计数和拥塞分析，它能为交通管理者提供大量的有效信息，实现道路智能化调度，减少拥塞，提高路面的资源利用率。本文算法就是在VisualC++6.0平台上使用OpenCV机器视觉处理库，OpenCV集合了目前一些图像处理和机器视觉流行算法的C函数和C++类库，包括图像处理、运动分析、模式识别等方面，可以轻松实现物体轮廓跟踪、图像的几何处理图像特征提取、背景分离等很多操作，能够降低代码编写的复杂度。2车辆检测1）背景获取技术在背景差分法和高斯建模方法中都有一步是要得到初始背景图像，背景提取的精确与否，直接关系到最终结果的准确性。因为背景通常是不断变化的，所以背景模型不应该在一个较长的时间周期内固定不变。我们要经常性的对背景模型进行更新。本文采用多高斯背景更新算法，分别研究了初始背景生成、背景实时更新等环节的特点，总结了一些有意义的规律，提出了利用连续三帧视频的差别消除运动区域的方法来构建初始背景，对初始阶段的背景更新采用较大的阀值，以便快速得到稳定干净的背景，后续阶段采用较小的阀值并采用隔多帧背景更新，达到减少计算量的目的。2）车辆检测龙源期刊网在获得初始背景后，采用背景差分法来实现对车辆的检测，背景差分法是常用的运动目标检测方法，它的基本算法过程如图所示，首先利用公式计算当前帧图像与背景图像的差，然后再按照公式对差分图像进行二值化处理。其中，为当前帧序列图像，为背景图像，而为两帧图像的帧差。对进行二值化处理，然后进行形态学滤波及连通性分析等后续处理，并确定一个阈值，当某一连通域的面积大于给定的阈值时，则将其保留并标识为运动车辆。这种差分法检测物体的优点是位置精确、速度快，并且由于在背景提取时加入了背景图像实时更新机制，可以有效避免由于外界环境变化所带来的误差。3车辆跟踪技术本文主要采用CamShift算法对车辆进行跟踪。它是将MeanShift算法扩展到连续图像序列（一般都是指视频图像序列）形成的。CamShift算法的全称是ContinuouslyApaptiveMean-SHIFT，它的基本思想是视频图像的所有帧作MeanShift运算，并将上一帧的结果（即SearchWindow的中心和大小）作为下一帧MeanShift算法的SearchWindow的初始值，如此迭代下去，就可以实现对车辆的跟踪。Camshift算法描述：其中虚线框内就是Camshift算法核心meanshift。Camshift算法计算量小，在简单背景环境中能够取得较好的跟踪效果，但是在跟踪之前必须手动选定待跟踪目标。它在目标移出视频范围时，还会继续跟踪，所以跟踪目标的椭圆会出现不规则放大，并且偏向一边。本系统在此基础上进行了判定，使得当跟踪目标移出视频范围时就不再跟踪。4车流量统计在要统计路段的合适位置画出一个基准矩形框。在之前通过高斯背景更新算法和背景差分算法实现对车辆的检测与识别，然后对车辆进行跟踪，当车辆通过基准框是，上方的计数框自动增加一个数。通过一个车辆视频测试车流量统计的准确性，在单击车辆统计按钮时，计数框初始为0，每当有车辆通过这个狭长的矩形框时，计数框的值就会加1，并且将当前车辆在右下角的Picture控件上显示出来，如图所示：我们可以随时查看该路段通过的车辆数。5总结龙源期刊网技术对车辆跟踪、车流量统计进行了研究，并以车辆通过的视频进行了多次测试，能够实现对进入某一区域内的车辆进行跟踪，以及单车道车流量的统计。此外，该系统还可以进一步优化，实现对多车道车流量的统计，从而更好地为交通疏导管理提供有效数据。参考文献：[1]刘瑞祯，于仕琪.OpenCV教程基础篇[M].北京：航空航天大学出版社，2008.[2]陈胜勇，刘盛.基于OpenCV的计算机视觉技术实现[M].北京：科学出版社，2008.[3]谢凤英，赵丹培.VisualC++数字图像处理[M].电子工业出版社，[4]王琳.视频运动目标跟踪中有关问题的研究[D].西北大学，2006.[5]楼晓艳.智能监控系统若干关键技术的研究和实现[D].浙江：浙江工业大学，2005[6]常向魁.视频运动目标跟踪算法研究[D].河南大学，2007.[7]陈磊.视频图像中的运动目标检测算法研究[D].湖南大学，2007.[8]杨耿.运动目标的图像识别与跟踪研究[D].江苏大学，2005.[9]孟凤.视频监控系统中运动目标检测与跟踪算法的研究[D].燕山大学，2007.[10]高浩军.视频图像序列中车辆目标的检测与识别研究[D].扬州大学，2007.[11]徐波.智能交通系统中车辆提取与技术算法研究[D].大连海事大学，2006.