图像识别车辆自动记录系统简介.doc

图像识别车辆自动记录系统简介 1引言 车流检测系统用于检测公路车流量，车型等交通数据，是控制公路的车流出入，确保道路安全畅通的重要手段，也为公路养护，为管理者决策提供有效的数字依据。常用的交通流检测方法有人工检测，地埋感应线圈，超声波探测器，视频检测等。其中，视频检测方法比其它方法更具优越性。 图像识别车辆自动记录系统属于非接触式的检测方法，也称为图片处理或人工视觉，是一种结合视频图像和电脑化模式识别的技术，在路上安装摄象机，通过视频摄象机和计算机模仿人的眼睛的功能为实际应用提供工作平台。它通过软件在显示视频图像的车道上设置虚拟车道检测器，每个虚拟车道检测器代表一个区域，每当车辆通过任何一个检测器时，就会产生一个检测信号，再通过软件数字化处理计算得到交通数据，如车辆记数，车型分类等。该系统的优点：由于是在显示器视频图像的车道设置虚拟检测器，因而维护是无需封闭车道，无需开挖，也不会因为道路重铺或拓宽车道而影响车流量的检测。该系统可以监测具有四个车道的公路，无须人工守侯操作，每天自动连续工作，该系统对经过所监测公路的车辆进行流量统计，其中计数精度大于93%，车型分类精度大于70%。 2技术简介 2.1 系统构成 通过摄象机将道路交通流图像捕捉下来，再将这些捕捉到的序列图像送入计算机进行图像处理，图像分析和图像理解，从而得到交通流数据，这是系统的基本工作流程。 2.2 系统工作原理 (1) 通过系统初始化，对系统中的参数进行设定，如每秒采集图像的帧数，图像二值化的门限值（阈值）等等。由图像采集系统将摄像机摄取的路段上行驶车辆的视频图像按序列连续捕捉下来并数字化，存入内存或帧缓存中。 (2) 将这些采集到的序列数字图像进行预处理（滤波除噪,图象锐化,对比度增强）。 (3) 对预处理后的图像进行图像分割，并对分割后的目标图像进行特征提取（图像描述）。 (4) 用提取的特征进行分类识别。通过相应的算法进行计算，得到车辆的 计数,并将获得的数据存入数据库。 (5) 将图像分割和特征提取得到的特征与模型库里建立好的车辆模型进行模式匹配，识别出车辆的类型，将识别出的结果存入数据库。 (6) 对数据库里的数据进行统计分析输出有关报表或图片。 2.3 关键技术详细介绍 2.3.1对系统进行初始化 整个硬件系统搭建好后，就要进行初始化，主要包括： 2.3.1.1对图像采集卡初始化 设置采集图像的分辨率，图像的亮度，对比度，这些主要是通过软件对图像捕获装置进行操作。如果交通流量太大，比如每天的流量超过5万辆车，这时图像分辨率采用224*168比较合适，如果每天的车流量少于1万辆车，这时图像分辨率采用384*288比较合适，上面数据是经验值。图像的亮度与对比度的设置方法由所选采集卡种类而定。 2.3.1.2．设置虚拟线圈的大小和个数 一般每个车道设置2个虚拟线圈，现在是对4个车道进行监控，故共设置了8个虚拟线圈，虚拟线圈的大小根据经验选择，虚拟线圈的尺寸大小选择的原则是如果选择的太小，容易使一些车压不到虚拟线圈而漏检，如果尺寸太大容易将2辆车当做一辆车而漏检. 2.3.2图像预处理 由于我们采用彩色图像，所以先将其转变成灰度图，然后进行滤波除噪，主要采用中值滤波算法降低噪音。因为中值滤波具有抑制图像噪音并保持轮廓清晰的特点，然后进行对比度增强，对比度增强算法采用直方图均衡化，以后我们就对经过预处理的图象结合彩色图像进行图象理解。 2.3.3车辆检测 在安装摄象机时，调整摄象机的角度使得拍摄的图像里尽量最多的拍摄道路而道路外的景物尽量少。在摄象机固定好后拍摄一幅没有车的图片，标注道路的边界，存入计算机中，以后在进行车辆检测时就处理道路的边界内的图像，道路边界外非车辆的景物不处理，这样可以大大提高处理速度。 上图红线为标注道路边界（只检测2车道的车辆）。 在这个系统里我们集成了两种运动车辆检测的算法，下面介绍了两种车辆检测的算法，每种算法都有其优越性和缺点，都会出现漏检车辆，把阴影当车辆现象，但在系统中把这两种算法综合起来，使得运动车辆检测的正确率大大提高。下面分别介绍这两种车辆检测算法 2.3.3.1第一种运动车辆检测算法 人类一个基本的能力就是颜色不变性，人在变化的空间，变化的照明条件下看同一个对象的颜色是不变的。在一个场景中所观察的一点的颜色依赖于很多因素，包括物体表面上该点的物理特性。在颜色视觉中，物体表面的重要物理特性是表面的光谱反射属性，它不随光线，场景组成或形状变化而变化，是个常数。被观察到的颜色是照度与表面的光谱反射的产物。因此我们设计了颜色模型，该模型把这两项分开，换句话说把亮度与色度分开。下图说明该颜色模型，在RGB三维颜色空间中，考察一象素点I ,让Ei =[ER(i),EG(i),EB(i)]表示在背景图像中该像素点RGB值