基于视频的车辆检测技术

15基于视频的车辆检测技术机电工程学院自动化系李颖宏5.1视频检测技术概述5.2视频目标检测方法5.3视频目标跟踪方法5.4视频检测技术的应用主要内容5.1视频检测技术概述（定义）基于视频的车辆检测技术能够通过非物理手段检测到通过车辆，是利用视频图像进行车辆检测的一种交通检测技术。视频车辆检测是以采用摄像机作为检测装置，通过检测车辆进入监测区时视频图像某些特征的变化，从而得知车辆的存在，并以此来检测交通流参数获获取车辆的特征信息。它涉及计算机图像处理、模式识别、信号处理和信号融合等多个学科。5.1视频检测技术概述（优势）相对于其他检测技术，视频检测具有如下优势：–安装简便，无需破坏路面，易于移动、调整检测器位置，维护费用低、升级容易，兼容现有的检测方法；–直观可靠，便于管理人员干预，检测范围广，获取信息丰富；–可提供现场录像，重现交通场景，为研究交通行为、改进交通管理方法和处理交通事故提供了大量的信息；–对周围环境没有影响，不会造成污染，相同检测器之间也不会发生干扰。5.1视频检测技术概述（示例）5.1视频检测技术概述（检测内容）视频可检测内容:-道路条件-交通流-交通事件-交通环境-其他5.1视频检测技术概述（系统结构）路口视频采集网络视频传输中心管理系统5.1视频检测技术概述（交叉口安装）交叉口摄像机的安装与配置。5.1视频检测技术概述（流程与功能）图像采集图像预处理图像后处理系统初始化目标检测与跟踪交通流参数检测图像平滑、去噪，增强。计算交通量、速度，密度。目标检测与跟踪算法是视频检测技术的基础，这一步需要发现目标，并获取其轨迹。5.1视频检测技术概述5.2视频目标检测方法5.3视频目标跟踪方法5.4视频检测技术的应用主要内容5.2视频目标检测技术（定义）对视频序列图像进行处理，将感兴趣的目标物体区域从背景区域中提取出来，得到目标的位置、大小等数据。为后续目标跟踪、目标识别与分析提供支持。利用了计算机视觉、数字图像处理、模式识别等技术。可以分为基于非模型的检测方法和基于模型的检测方法，主要有帧间差分法、光流场法、背景差分法等。5.2视频目标检测技术（前景与背景）目标检测的一个重要任务就是把图像中的内容划分为前景和背景，所谓前景一般就是指的所要检测的目标，一般是运动的，而背景是相对静止的。人很容易分辨前景和背景，因为人的大脑中构建了一幅不断更新的背景图像，从而使得目标检测非常容易。5.2视频目标检测技术（高斯背景建模）高斯背景建模是目标检测领域的经典方法，用概率分布函数的形式给出了背景图像的数学描述。半参数的多维概率密度函数估计的方法，使用K个高斯模型来表征图像中各个像素点的特征。通过对每个分布的参数(均值、方差和权重)的在线学习更新，能够很好地适应场景的缓慢变化。5.2视频目标检测技术（高斯背景建模）定义当前像素点的概率密度函数为K个高斯模型的概率密度函数的加权之和：KitititititXGXP1,,,,,titTtitXXtintititieXG,1,2121,2,,21,,5.2视频目标检测技术（高斯背景建模）初始化各参数对当前帧进行边缘检测对每一像素建立基于边缘的混合高斯模型像素点值与当前B个背景高斯模型之一匹配吗？该像素点归为背景点背景模型更新提取下一帧该像素点归为前景点YN5.2视频目标检测技术（高斯背景建模）原始图像，背景和前景混合在一起高斯背景建模，只剩下背景最后得到前景目标图像5.2视频目标检测技术（车牌检测）车号牌是指在法定机关登记的准予机动车在中华人民共和国境内道路上行驶的法定标志。号牌一般在机动车辆的特定位置悬挂，其号码是机动车登记编号。由于车牌的唯一性和可识别性，因此可作为车辆的代表性特征。通过车牌识别技术得到车牌的位置、颜色和号码，就可以对相应车辆进行定位。5.2视频目标检测技术（车牌样式）5.2视频目标检测技术（车牌识别流程）5.2视频目标检测技术（难点：车牌定位）车牌部分纹理变化大，用震动能量的方法定位5.2视频目标检测技术（字符分割）车牌字符连通性分析，可以分割字符5.2视频目标检测技术（字符识别）图像到数字和字母的转换，使用机器学习方法实现5.1视频检测技术概述5.2视频目标检测方法5.3视频目标跟踪方法5.4视频检测技术的应用主要内容5.3视频目标跟踪方法（定义）目标跟踪指在图像序列中持续地估计出感兴趣的运动目标所在区域（位置），形成运动目标的运动轨迹；有时还需要估计出运动目标的某些运动参数（比如速度、加速度等）。运动车辆跟踪是智能交通系统的关键技术之一，它能够提供基本的交通流参数，并且能够为进一步分析车辆行为奠定基础。5.3视频目标跟踪方法（卡尔曼滤波）卡尔曼滤波是目标跟踪方面的经典方法，通过建立状态空间模型，把跟踪问题表示为动态系统的状态估计问题。在贝叶斯(Bayesian)理论框架下已知目标状态的先验概率，在获得的测量值后不断求解目标状态的后验概率的过程。该方法假设系统为线性，噪声为高斯分布。根据新的数据和前一时刻诸量的估计值，借助系统本身的状态转移方程，按照一套递推公式，即可计算出新的诸量的估计值。5.3视频目标跟踪方法（卡尔曼滤波）被跟踪的车辆车辆轮廓最小外接矩形车辆跟踪轨迹，（向远处行驶）5.3视频目标跟踪方法（均值飘移）MeanShift算法是一种非参数概率密度估计算法，该算法是一种利用计算像素特征点概率密度梯度而获得问题解决的最优化方法。通过迭代快速收敛于概率密度函数的局部最大值，实现快速目标定位，能够对非刚性目标实时跟踪，对目标的变形，旋转等运动有较好的适用性。MeanShift算法是一种半自动跟踪方法，MeanShift向量不断沿着概率密度的梯度方向移动，从而实现对目标真实位置以最大概率的正确跟踪。5.3视频目标跟踪方法（均值飘移）在领域搜索MeanShift向量，目标在概率密度最大的地方。经过几次迭代，找到移动后目标所在位置。5.3视频目标跟踪方法（均值飘移）MeanShift车辆行驶跟踪效果。车辆自远处行驶到近处。5.1视频检测技术概述5.2视频目标检测方法5.3视频目标跟踪方法5.4视频检测技术的应用主要内容5.4视频检测技术的应用（主要功能）基于视频的车辆检测技术除了能提供传统检测技术的交通参数，如车道占有率、车流量、车辆行驶速度等基本参数，还能够提供分车道、分车型、分行驶方向的更为全面的统计。基于视频的车辆检测技术不仅能够广泛的应用于高速公路、普通路、桥梁、隧道等的交通参数的实时统计。对超速车辆进行抓拍，可以提高高速执法力度，减少违章行为，减少事故发生。5.4视频检测技术的应用（违法检测）判断车辆右/左转、逆向行驶、压线、跨线、违反禁止线等违法行为。5.4视频检测技术的应用（违法检测）对图像范围进行速度点位标定，结合视频分析车辆轨迹，测量车速。5.4视频检测技术的应用（违法检测）通过L1和L2的标定，确定车辆经过的时间t，计算车辆行驶速度v。5.4视频检测技术的应用（交通流量）交通流量统计用于在高速公路或环线公路上监视交通情况。5.4视频检测技术的应用（交通流量）进一步实现统计分析和可视化展示，以供管理和决策。5.4视频检测技术的应用（小结）光照变化、阴影、雨雪天气、单一视角下的遮挡等问题严重影响了视频车辆检测准确性。未来这一领域的发展应用主要围绕上述问题的解决而展开。将来的视频检测与跟踪从一定的范围来说会朝着更智能化和大区域检测发展，同时，大范围、多车辆检测与跟踪也将使现代交通未来研究的热点。