视频车辆检测技术分析报告.ppt

7 视频车辆检测技术 在视频序列中提取运动的车辆对象 运动目标区域提取》目标确认》目标分割》目标跟踪》目标分类》后处理 1）基于虚拟传感器（虚拟点、虚拟线、虚拟线圈）的非模型交通信息检测 2）基于目标提取和模型跟踪的交通信息检测，深层次探测 一、视频车辆检测技术理论研究 图像处理 视频检测算法 1）知识型 车辆形状、颜色、对称性等信息，以及道路和阴影等常识信息进行检测 2）运动型 序列图像之间存在大量相关信息进行预检测 光流法 检测独立运动对象 摄像机移动 运动能量法 消除背景中的振动像素按某一方向运动的对象突出，估计运动对象大致位置 3）立体视觉型 两台或多台摄像机对同一景物从不同位置成像获得立体像对，通过各种算法匹配出相应像点，恢复深度（距离）信息 车速很小时直接检测位置 4）像素强度型 时间差分法 在较短时间内检查各相邻各帧之间像素强度的变化，非零像素被认为是运动对象造成的。 适用于动态变化的环境，不适合摄像机运动，不能提取运动对象。 背景差分法 建立在统计模型基础上或其变种上 快捷简单，实时性较好，适合运动快且形变较大的运动目标，但不适合全局运动的场景。 三、基于非模型的交通信息检测技术 四、基于模型的交通信息检测技术 7.2视频车辆检测系统检测原理及方法研究 一、基于虚拟传感器的非模型交通检测原理 1、系统构成 视频采集与传输单元、视频检测主机、工控机和检测系统软件组成。 通过图像分析处理获得所需的各种交通数据，虚拟检测线和检测区可以在计算机或监视器的图像画面上自由设置。 2、检测原理 “摄像机+图像采集卡” 高7~20m，正向安装， 采集交通图像》初始化或校准（摄像机高度、路面检测区域标定长度等参数）》系统软件在视频处理器产生的现场图像设置虚拟“车辆检测器”》对背景图像灰度值进行统计》设定阈值》车辆进入灰度值变化》获得结果 1）图像处理方法（检测算法） （1）去噪滤波 邻域平均法：边缘处理不理想 自适应滤波：耗时长、不适合实时处理 中值滤波法：对细节处理不理想，但综合效果好 （2）车辆存在检测 将灰度判断与边缘检测相结合的方法进行车辆有无的检测 1）图像处理方法（检测算法） （2）车辆存在检测 将灰度判断与边缘检测相结合的方法进行车辆有无的检测 阈值分割 灰度判断 小波边缘检测 1）图像处理方法（检测算法） 2）交通参数提取 背景帧差方法 车辆不能过多，以确保更新的背景真实可靠 不适合交叉口车道处和车距较小的情况 二、基于模型的交通检测原理 1、系统初始化（图像预处理） 参数标定、背景初始化、车道线、虚拟流量检测线、排队检测线、变道/调头检测线及工作区域的设定 2、车辆检测 从连续视频信息中提取车辆目标。 3、车辆跟踪 视频车辆检测系统的用途 1）提供准确的交通参数 2）自动检测事故 1、视频车辆检测器的用途 1）提供准确的交通参数 2）自动检测事故 2问题及改进方法 一台摄像机可最多覆盖6个车道，进行真正意义上的大区域检测 * 一种新型的车辆检测方法，使用灵活，比其它检测技术能收集更多和更全面的交通数据。 视频检测是一种结合视频图像和模式识别的技术。 视频检测处理技术通过闭路电视和数字化技术分析交通数据。 1)视频检测器的应用 车流量； 车牌照识别； 车速检测； 车型识别； 1)视频检测－车流量 通过视频摄像机作传感器，在视频范围内设置虚拟线圈，即检测区，车辆进入检测区时使背景灰度值发生变化，从而得知车辆的存在，并以此检测车辆的流量。 1)视频检测－车牌照的识别 收费：识别车号 违章：识别车号 交通管制（单双号）：识别尾数奇偶 识别原理：基于图像处理的模式识别 1)视频检测－车速测定 硬件设计 硬件部分的核心是视频图像采集卡，利用现有成熟的数字化成像技术，选用高性能的个人计算机和技术成熟的视频设备，来实现本系统的硬件平台。 视频图像检测器多采用CCD摄像机，CCD是电荷耦合器件。 软件设计 即时速度的计算思路 视场图像距离的标定 采集图像的预处理 视场内通行车辆的识别 即时速度的计算误差 数据记录与共享 即时速度的计算思路：v=S/Δt 采集图像的预处理 视场内通行车辆的识别 在视场无行进车辆条件下，图像中的背景路面的像素灰度值Gb是分布在一个很小的范围内。 行进车辆的图像像素灰度值Gv通常与Gb有一个差值且大于Gb。 通过设置合理的阈值TH(GvTHGb)，计算标志线内灰度值大于TH的像素个数N： N值很小表示没有运动车辆进入视场；在有车辆通过视场的时候，由于行进车辆的像素灰度值Gv大于TH，N值会增大到一个设定的值，这样就可以确定车辆通过标志线，并记录时间t。 标志线1 标志线2 1 2 视频技术——车速检测 视场图像距离的标定 即时速度的计算误差分析