数模集训个人赛之——视频分析在交通管理中的作用.docVIP

随机代码：103 视频分析在交通控制中的应用 摘要 本文主要讨论了视频分析在现代交通控制中的应用问题，通过利用MATLAB软件中的图形处理工具箱，并结合其数学原理，对提取视频的过程进行了合理分析，建立了视频处理和统计车流量的数学模型。 针对问题（1），首先，对于题给的5分06秒的视频利用MATLAB进行了图像的处理，按帧为单位分解视频得到7645张图片。然后，对图片进行了灰度处理，灰度处理后的图片发现存在较大的干扰因素，于是对已经灰度化的图片进行了去噪处理。为了抓取汽车的行车特征，因此，接下来，对图片进行背景逐差处理，。最后，将处理过的图片进行了二值化处理，并对于可能还存在的误差干扰，如部分非汽车的白色点进行手动处理，从而得到了最后的图像。从二值图像中，白色亮点即代表车辆，黑色代表背景。 针对问题（2），首先，为了统计车流，确定了横条状区域为统计的检测区域。在问题一的基础上，判断有没有汽车通过，设置一个计数器，每有一次车辆经过，则计数器加一，从而统计出整个视频中的车流量。不过，考虑到条状区域作为监测区域的过程可能会发生重复计数的过程（即车头进入前一帧图像，车位进入后一帧图像，则会重复计数），因此，最后在得到统计车流之后，进行误差分析与讨论。 关键词：灰度处理，图像二值化，滤波去噪，视频监控，车流量统计 问题重述 传统的视频监控由人工进行视频监测发现安全隐患或异常状态，或者用于事后分析，这种应用具有其固有的缺点，难以实现实时的安全监控和检测管理。是指将先进的信息技术、数据通讯传输技术、电子控制技术、计算机处理技术等应用于从而带有智能分析功能的监控系统可以通过区分监控对象的外形、动作等特征，做到主动收集、分析数据，并根据预设条件执行报警、记录、分析等动作。。 4.1.1读取图像（图像的采样）： 利用MATLAB中的VideoReader命令，从视频中按帧为单位取出7625张图像。 图一 图二 图一，图二为视频提取出来的第1帧和第2帧图片。 4.1.2灰度化处理 所谓灰度化处理是指：将彩色图转化成为灰度图，彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。? 在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。 灰度化的方法一般有以下几种： a)?加权平均法? 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，对RGB三分量进行加权平均能得到较合理的灰度图像。? b)?平均值法? 求出每个像素点的R、G、B三个分量的平均值，然后将彩色图像中的这个平均值赋予给这个像素的三个分量。 ?c)?最大值法? 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。本文采用加权平均法进行灰度化处理，调用MATLAB工具箱中自带的加权均函数，rgb2gray对函数实现了灰度化，灰度公式为：，得到了如下的两幅图： 图三 图四 上面两幅图是对第一帧和第二帧图像灰度化处理后的图像。 4.1.3提取汽车前景 由于灰度化后的图片，图片中每一点都量化成了一个灰度值，因此，为了在灰度化的图像中能够明显的显示出研究对象——汽车，为此， 本文采用背景差分法，即利用灰度图与自身背景的灰度值的差来体现所要研究的对象。 背景差分法又称背景减法，背景差分法的原理是将当前帧与背景图像进行差分来得到运动目标区域，这种方法较帧差法能更好的识别和提取运动目标，是目前运动分割中最常用的一种方法。但是需要构建一幅背景图像，这幅背景图像必须不含运动目标，并且应该能不断的更新来适应当前背景的变化，构建背景图像的方法有很多，比较常用的有基于单个高斯模型的背景构建，基于混合高斯模型的背景构建，基于中值滤波器的背景构造，基于卡尔曼滤波器的背景构造，基于核函数密度估计的背景模型构造。背景差分法法是静止背景下运动目标识别和分割的常用思路。如