基于图像的车流密度检测研究与仿真.doc

计 算 机 仿 真 2012 年 8 第 29 卷 第 8 期 编号: 1006 － 9348( 2012) 08 － 0354 － 03 基于图像的车流密度检测研究与仿真 陈贺明，邹丽霞 ( 河南广播电视大学信息工程系，河南 郑州 450008) 摘要: 研究车流密度准确检测问题。在交通高峰时期，车流的密度状态变化具有很强的随机性。一旦车流密度瞬时增大，车 流图像前后帧之间的密度关联性被破坏。传统的车流密度检测算法受到车流图像间的密度关联性被破坏的影响，建立的车 流密度关联系数不准确，从而导致车流密度估计准确率不高。为此，提出了一种基于图像突变像素差值的车流密度检测方 法，通过车流密度差异显著性检测，判断车流密度是否发生突变，在发生突变的条件下，利用像素差值密度估计，计算像素差 值密度，从而最终准确获取车流密度估计值。实验证明，改进检测方法提高了车流密度检测的准确率。 关键词: 车流密度估计; 像素差值; 密度差异 中图分类号: TB24 文献标识码: B Traffic Density Detection and Simulation Based on Image CHEN He － ming，ZOU Li － xia ( Department of Computer Science and Technology，Henan Radio ＆ Television University， Zhengzhou Henan 450008，China) ABSTRACT: The paper put forward a new method of traffic density detection based on pixel D － value of the image sharp changes． A traffic flow density differences detection algorithm was used to judge whether the traffic density ex- isted sharp changes or not． Under the circumstance of sharp changes occurring，we eventually got the accurate esti- mated value of the traffic density by calculating the pixel D － value density． The experimental results show that the improved test method can enhance the detection accuracy rate of the traffic flow density． KEYWORDS: Traffic density estimate; Pixel difference; Density differences 密度关联系数被破坏。传统的车流密度检测算法是 引言 随着计算机图像处理技术的快速发展，国家提高了对交 后帧图像的关联性完成密度检测的，受到车流图像间 关联系数不准确的影响，建立的密度线性数学模型不 这种 非 线 性 的 变 化，从而导致车流密度估计 调控的标准。很多国家都利用计算机图像处理技术提高 ［4 ～ 5］。 不高 通调控系统的性能，最终提高交通的运载能力［1］。国家投 为了避免上述问题，提出了一种基于图像的车流 了大量的人力和资金，对在计算机图像处理技术基础上的 测方法，通过车流密度差异显著性检测，判断车流密 通调控系统进行研究。而车流密度估计，一直是交通调控 发生突变，在发生突变的条件下，利用像素差值密度 算像素差值密度，从而最终准确获取车流密度估计 传统方法过于依赖前期处理结果的弊端。实验证明 域研究的一个热点问题。当前主流的车流密度估计方式 要包括基于背景差分算法的车流密度估计方式、基于非线 函数算法的车流密度估计方式、基于小波阈值算法的车流 能够提高车流密度突变时进行估计的准确性，取得了 度估计方式，基于灰度值差异算法的车流密度估计方式 效果。 。由于车流密度估计应用场合十分广泛，因此受到了越来 多学者的重视［2 ～ 3］。 车流图像密度估计原理 2 在上下班等高峰时期，图像中车流的密度变化具有很强 2． 1 车流密度检测 随机性。一旦车流密度瞬时增大，车流图像前后帧之间的 通过式( 1) 能够得知，进行车流图像采集后的车流目标 其中， 相关参数集合: g珔( g珔h1 ，g珔h2 ，…，g珔hs ) ，其中 ghs 是第 s 帧车流图 像的第 j 个车辆计数特征点。通过前后帧车流图像的关联 性，利用式( 1)