（計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)論文）基于目標(biāo)檢測(cè)與跟蹤的機(jī)動(dòng)車視頻測(cè)速方法研究.pdf

ab str a c t a日st ract wi t hth edsvefo p i1 1 ent of com p u 1 e rh ar d w a r e ， net w o r k ， di gi tal 如age p r o c e s s i llg and c o 幻 i p u te r v i s i onte c h n o l o g i e s ， a i ntel l i gentm o n itori ng sy s t e mc an s ubst i t u t e p cop l e t o r e c e i ve and p r o c e s s 1 n fo rmation and t h e n m ake t h e dec i s io nt hi s thes i sm al n lys h id i e s howto p r o c e s sa n dana 】 y s e sthe vi deofreq u e n c yon the hi g h w a y ，a n d th e n get the s peedo f v e h ic l e ，pr o v i d e the s p e e d l n fo rmationfo r i t s (i nt e l l i g e nitr ans port s y s t e m ) t h 1 s t h e s i s m ai uly stud i e s t w 0p r o b l e m s : ti me a n dd i s t a n c e meas urement.f o r d i s t a n c e measurement ，th i s t h e s i s p ut s fo p 胃 ar d a n ew w a y o f i m a g e l o c a l i zati o n b a s e 山 edete c t i on o f th ewhi tem a r ko nt h ero ad s u ri 油 c e . t h i sw a yc an p ro v i d et h e c o nve n i e nce fromthe p o s iti o no f s o m ethi ng inthe ima g e toit s real p o s i t i on inth e worl d . t hi s w a y d o e s n ， t nee d s e ni n g t h e c o m p 1 i c ated thin g s for c a n 1 e rac a l 1 b r a t 1 o n ; a n d itism o rep racti c ableanda d a p t a b 1 e t h ant h e l ine. t y p e . at t h e s 田 m e t i m e ， th e c 別 舊 e r a i s o n a ro ads i d e p o l e ， wou l d b e b e tt e r o n m a i n t a i n a b i l i tya n d as e i smat i c ，and itise asytoi nstall ， adju standm e n d . t h ec i r c ul at i on on l h eroad c o ul dn o t be d i s tu r b e d . t h i s thes i s p uts fo n 刀 a r da m a r k . det e c t i n gal gori t hi nb ase o nt l讓 e s h o l d v a 1 ue d ivis i on a n de d g ed etectin gtod e t ect t h ep o s it i o no f t hr e em ar k s andth e ir v e rt e x o n the hi ghw a y . t h i s thes i s p r e s ent a v e h 1 c l e d e te c ti ngal gori t 知 肌b as e onb ac k g r o u ll d s u b t r a c t i o n a n d v ehicl e t r a c ki ngal gori t 加 叮b a s e o n k a l m a n filt e r l n g ，w h i c h c ant r a c k t h e v e hi cl e 。 n t h e hi g h w a y . a n d we c anrem o val the s h a d 0 wt h r o u g h s h a d o wd e t e ct in g al g 。 山加 的 b a seone d ged et e c ti ng t 七 e n we c ang etth e p o s i ti ons o f the c arinal 1 t h e i m a g e s o f v i deo freq u e n c 丫 f i n a l lym 盯o b t ai n the t r a c k o f the vehi c l e s inthe 1 m a g e a n d in1 h e re alwor l dc al c u l ate the sp e e do f v ehic l e 朗 c o rd i ngthe l m a g e fo c al i zat i on and t h e t i ln e 一 g apo f v i d e o . avehi c l e sp e e d m easurem ent s y s t e mt hr o u ghv i d e o are des i g n e d in t h i s l h e s i s . t b i s thesi s ana ly se s the p r o bl e mo f di s t a n c emeas u n n gandm o v l n go bj e cts d e l e c 血g andt r a c ki ng， a n dp uts fo ，la rdm yw a y s tosolv e t h e mandte stthem t hr o u ghe x p e ri m e n t s . the re s ul t fi 0 mt hee x p erimeni s gi v e s a pos it i v e answertot h e i i ab s 扮a c t acc urac ya n ds 1 a b 1 l i ty o fthe al g o ri t l1 m， a n dthese w a ym ee t re a l 一 t i m eand p 撇t i c al i tyre q u i r e 們 。 e n t s . k e y 、 甲 d l 幻l easl l t e們 比 、 叭】 r dg iln銘e l o c at i o n ;m o v i 飛 o bj e c td e 比 c t i o n a n d t r a c ki n g ; s p e e d e n t t hi o u gh vi d eo 學(xué)位論文獨(dú)創(chuàng)性聲明 學(xué)位論文獨(dú)創(chuàng)性聲明 本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的 研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含 其他人已經(jīng)發(fā)表或撰寫過的 研究成果， 也不包含為獲得 南昌大學(xué) 或其他教育 機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何 貢獻(xiàn)均己在論文中作了明確的說明并表示謝意。 學(xué)位一名(習(xí) 間簽 字 日 期 :洲7 年 “ 加 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué) 位論文作者完全了 解南昌大學(xué)有關(guān)保留、使用學(xué)位論文的 規(guī)定， 有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱 和借 閱 。 本 人 授權(quán)南昌大學(xué) 可以 將 學(xué) 位 論 文的 全 部或 部分 內(nèi) 容 編入 有關(guān) 數(shù) 據(jù) 庫 進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。 ( 保密的學(xué)位論文在解密后適用本授權(quán)書) 學(xué) 位 論 文 作 者 簽 “ (手 寫 ):刁 叭 簽 字 日 期 : 問年 乙 月 ，日 導(dǎo) 師 簽 名( 手 寫 : 刀趣一 簽字日 期: 2 。 ，習(xí)年 占月孫 日 學(xué)位論文作者畢業(yè)后去向: 工作單位: 通 訊地址: 電話: 郵編: 第 1 章 引言 第一章 引言 1 . 1課題研究背景及發(fā)展現(xiàn)狀 我國(guó)的高速公路系統(tǒng)已 經(jīng)達(dá)到了 相當(dāng)?shù)囊?guī)模，在利用 it s( 恤ell論 ent 腸 胡s p o ri s y s l e ln s 智能交通體統(tǒng)) 實(shí)現(xiàn)智能交通控制和誘導(dǎo)的同時(shí)， 如果能對(duì)各 種道路上車輛的速度進(jìn)行實(shí)時(shí)視頻監(jiān)控和處理，對(duì)改善交通秩序，保障交通安 全，減少交通事故都將起到重要作用。 目 前對(duì)車輛的行駛速度有多種檢測(cè)方法，傳統(tǒng)方法有感應(yīng)線圈、激光測(cè)速、 雷達(dá)測(cè)速， 超聲 波測(cè) 速等11 l2j， 但是由 于各自 存在各種缺陷， 在實(shí)際 應(yīng)用中 效果 并不理想。而隨著圖像處理技術(shù)的長(zhǎng)足發(fā)展和廣泛應(yīng)用，基于計(jì)算機(jī)視覺、圖 像處理與模式識(shí)別技術(shù)來自動(dòng)獲取交通流量，車輛類型以及車輛速度成為近年 來研究的熱點(diǎn)。 計(jì)算機(jī)視覺作為智能交通系統(tǒng)中的一項(xiàng)重要技術(shù)基礎(chǔ)，受到越來越多的研 究和重視。計(jì)算機(jī)視覺即是用各種成像系統(tǒng)代替視覺感官作為視覺信息輸入手 段，由計(jì)算機(jī)來代替大腦完成處理與解釋。計(jì)算機(jī)視覺不僅能使機(jī)器感知環(huán)境 中的幾何信息，包括位置、大小、形狀、運(yùn)動(dòng)等，還能對(duì)它們進(jìn)行描述、解釋 和理解。采用基于計(jì)算機(jī)視覺的機(jī)動(dòng)車視頻測(cè)速方法對(duì)交通狀況進(jìn)行速度監(jiān)控 能夠克服其它測(cè)速方法所產(chǎn)生的許多問題和不便，具有技術(shù)和經(jīng)濟(jì)優(yōu)勢(shì)。并隨 著人工智能、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊數(shù)學(xué)等理論、方法與圖像處理技術(shù)的 聯(lián)系日 趨緊密，各種圖像處理方法不斷豐富，算法效率和可用性不斷提高，車 輛視頻檢測(cè)技術(shù)在達(dá)到以往準(zhǔn)確性、時(shí)效性和可靠性要求的基礎(chǔ)上，越來越多 的新的車輛檢測(cè)方法和跟蹤方法被提出，視頻測(cè)速系統(tǒng)正朝著自 學(xué)習(xí)、自 適應(yīng) 和智能化的方向發(fā)展。 利用攝像機(jī)拍攝路面視頻，在視頻上利用圖像處理、計(jì)算機(jī)視覺與模式識(shí) 別技術(shù)來測(cè)量汽車速度或其它交通參數(shù)已經(jīng)成為車輛測(cè)速系統(tǒng)乃至構(gòu)建智能交 通系統(tǒng)一個(gè)熱點(diǎn)。 其中涉及到的圖像定位、運(yùn)動(dòng)目 標(biāo)檢測(cè)和跟蹤等領(lǐng)域的知識(shí)， 在本文的第二章將會(huì)做簡(jiǎn)單介紹。 第 1 章 引言 1 .2 論文的主要工作 本文將在分析和比較各種已 有的機(jī)動(dòng)車測(cè)速相關(guān)的圖像處理和計(jì)算機(jī)視覺 技術(shù)基礎(chǔ)上，研究機(jī)動(dòng)車測(cè)速的方法和模型，并提出一種可行的機(jī)動(dòng)車視頻測(cè) 速系統(tǒng)的設(shè)計(jì)方案。課題的主要研究?jī)?nèi)容包括: . 圖像定位方法，即建立圖像位置和真實(shí)場(chǎng)景位置的聯(lián)系，使測(cè)速系統(tǒng)能 夠方便地從物體在圖像上的位置推出該物體在真實(shí)場(chǎng)景下的位置。在路邊單桿 攝像機(jī)條件下，本文提出了一種基于高速公路道路標(biāo)線檢測(cè)的圖像定位法，直 接通過圖像中標(biāo)線位置，和已知的標(biāo)線長(zhǎng)度和標(biāo)線間隔長(zhǎng)度，得到在道路方向 上圖像位置和真實(shí)場(chǎng)景位置之間的聯(lián)系，為視頻測(cè)速系統(tǒng)中的距離的精確測(cè)量 服務(wù)。 . 道路標(biāo)線的檢測(cè)技術(shù)，提出了 基于閉值分割和邊緣檢測(cè)的路面標(biāo)線檢測(cè) 算法，檢測(cè)出 道路上三條車行道標(biāo)線的位置，同時(shí)提取出中間的車行道間隔標(biāo) 線段的端點(diǎn)或遠(yuǎn)端標(biāo)線的中心位置在圖像上的位置，以 此作為圖像定位的依據(jù)。 . 視頻監(jiān)控圖像上的運(yùn)動(dòng)車輛的檢測(cè)和跟蹤技術(shù)，得到車輛在圖像上的位 置及運(yùn)動(dòng)軌跡，結(jié)合圖像定位技術(shù)得出車輛在真實(shí)場(chǎng)景下的位置和速度信息。 本文采用背景差分法對(duì)運(yùn)動(dòng)車輛進(jìn)行檢測(cè)。背景模型的建立采用了基于均值濾 波的背景初始化算法，提取出一段時(shí)間內(nèi)每個(gè)像素的高頻值的平均值作為初始 背景，并且用選擇更新法對(duì)背景進(jìn)行實(shí)時(shí)更新。 . 提出了一種基于邊緣檢測(cè)的陰影消除算法，利用陰影內(nèi)邊緣信息較少且 主要是道路自身的邊緣，而和陰影相鄰的車輛目 標(biāo)卻富含邊緣的特點(diǎn)找到陰影 和車輛的分界線，一定程度上消除了部分陰影的千擾。 . 提出了一個(gè)基于卡爾曼濾波器的目 標(biāo)車輛跟蹤算法，以車輛的跟蹤窗口 的位置，大小和車輛的速度和加速度作為車輛的特征進(jìn)行預(yù)測(cè)和跟蹤，從而得 到車輛在圖像上的運(yùn)動(dòng)信息。 1 .3論文的章節(jié)安排 第一章簡(jiǎn)單介紹了車輛測(cè)速系統(tǒng)的研究背景和現(xiàn)有幾種車輛測(cè)速方法，分 析了視頻測(cè)速對(duì)于實(shí)現(xiàn)智能交通控制的目的、意義和研究現(xiàn)狀，最后介紹了本 文的主要的工作和成果。 第 1 章 引言 第二章對(duì)視頻測(cè)速問題進(jìn)行了詳細(xì)的介紹和分析，把視頻測(cè)速問題分解為 兩個(gè)問題:車輛行駛距離的測(cè)量和行駛時(shí)間的測(cè)量。而行駛距離的測(cè)量同樣可 以分為兩個(gè)問題: 建立z d圖像坐標(biāo)和真實(shí)場(chǎng)景的3 d世界坐標(biāo)之間的映射關(guān)系， 和運(yùn)動(dòng)車輛在圖像上的檢測(cè)與跟蹤。同時(shí)還列舉出了視頻測(cè)速系統(tǒng)在實(shí)際工作 中可能遇到的一些問題。第二節(jié)到第四節(jié)對(duì)上述問題的常用的解決方法和技術(shù) 包括圖像的定位、運(yùn)動(dòng)目 標(biāo)的檢測(cè)、運(yùn)動(dòng)目 標(biāo)的跟蹤技術(shù)等做了簡(jiǎn)單介紹。 第三章就本文提出的新的圖像定位法的原理，前提條件和要求作了深入的 介紹，并分析了該方法相對(duì)于攝像機(jī)標(biāo)定法和非標(biāo)定法的優(yōu)勢(shì)。并對(duì)該圖像定 位方法的基礎(chǔ)道路標(biāo)線的檢測(cè)技術(shù)作了介紹， 提出了一種基于閡值分割和 邊緣檢測(cè)的路面標(biāo)線檢測(cè)算法，檢測(cè)出道路上三條車行道標(biāo)線位置以及每段標(biāo) 線的端點(diǎn)。 第四章提出了一個(gè)高速公路條件下的車輛視頻檢測(cè)和跟蹤方法。對(duì)道路背 景特征進(jìn)行了分析，采用背景差法提取運(yùn)動(dòng)車輛，并利用道路邊緣信息和車輛 本身的邊緣信息消除陰影的干擾。還利用卡爾曼濾波器對(duì)車輛目 標(biāo)在圖像上的 位置和狀態(tài)進(jìn)行預(yù)測(cè)和目 標(biāo)跟蹤。 第五章對(duì)視頻測(cè)速系統(tǒng)進(jìn)行了分析并給出了一種可行的機(jī)動(dòng)車視頻測(cè)速系 統(tǒng)的設(shè)計(jì)方案。 第六章總結(jié)和展望。對(duì)本文的工作進(jìn)行了總結(jié)，并就系統(tǒng)中不完善的地方 和需要進(jìn)一步研究的問題做出了展望。 第2 章 車視頻測(cè)速問題分析及相關(guān)理論 第二章 車視頻測(cè)速問題分析及相關(guān)理論 2. 1機(jī)動(dòng)車視頻測(cè)速問題分析 在分析視頻測(cè)速問題之前，為了利于問題的解決， 減少不利因素的影響， 可以對(duì)交通場(chǎng)景、行駛車輛和圖像采集設(shè)備做幾點(diǎn)假設(shè): 1 視頻監(jiān)視的路面是平坦的，可以認(rèn)作或近似的看作平面，復(fù)雜的路面通 常無法從圖像上對(duì)車輛進(jìn)行有效定位; 2 .車輛基本沿道路伸展的方向行駛，不會(huì)突然轉(zhuǎn)彎，故車輛行駛速度在垂 直于道路伸展方向上的分量較小，可以忽略不計(jì); 3 ，攝像機(jī)相對(duì)于路面是靜止的，攝像機(jī)移位將使車輛在圖像上的位置發(fā)生 偏移，從而導(dǎo)致車輛定位偏差甚至錯(cuò)誤。 根據(jù)物理學(xué)中速度的定義: v = 5 / t 二 s t 一 s t 一 1 / t z 一 t i 可以看出要實(shí)現(xiàn)車輛速度的檢測(cè)需要對(duì)兩個(gè)信息進(jìn)行量測(cè)，一個(gè)是車輛行 駛所用的時(shí)間間隔t ，一個(gè)是車輛行駛的路程5 。這樣可以將問 題劃分為兩個(gè)子 問題，一個(gè)是車輛行駛時(shí)間的測(cè)定，一個(gè)是車輛行駛路程的測(cè)定。 2. l i車輛行駛時(shí)間的測(cè)定 要 精確的 得 到 每幀圖 像 信號(hào)的 采 集時(shí) 刻， 文獻(xiàn) 3 根 據(jù) 其機(jī)理的 不同 將 其 分 為軟計(jì)時(shí) 和硬計(jì)時(shí)兩 種。 文獻(xiàn)3 中 還提到w i n d o w s 操作 系統(tǒng)中 提供的 幾種軟件 計(jì)時(shí)方法和文獻(xiàn)作者自己提出的硬計(jì)時(shí)方法:幀數(shù)時(shí)計(jì)時(shí)方法。幀數(shù)時(shí)指指圖 像采集卡采集到某幀圖像所對(duì)應(yīng)的時(shí)刻。由于大多數(shù)性能良好的圖像采集卡都 工作在硬實(shí)時(shí)模式下，其采樣周期是穩(wěn)定，利用這一點(diǎn)就可以利用圖像采集設(shè) 備的圖像采樣頻率進(jìn)行硬計(jì)時(shí)。經(jīng)過分析和實(shí)驗(yàn)比較，幀數(shù)時(shí)計(jì)時(shí)方法的精度 明顯更優(yōu)。本文也將采用這種方法來進(jìn)行計(jì)時(shí)，來得到每幀圖像的采集時(shí)刻。 第 2 章車視頻測(cè)速問題分析及相關(guān)理論 2. 1 .2車輛行駛路程的測(cè)定 一般視頻監(jiān)控系統(tǒng)的路程測(cè)定方法如下: 1 .如果車輛駛?cè)胍曨l監(jiān)控范圍后，系統(tǒng)將盡快檢測(cè)出這個(gè)車輛目 標(biāo)，并在 一段時(shí)間內(nèi)能夠始終對(duì)其進(jìn)行跟蹤，并同時(shí)記錄下它在每幀圖像上的位置和采 集該幀圖像的時(shí)刻。 2 .在得到車輛在被跟蹤過程中的多個(gè)位置點(diǎn)后，用這多個(gè)位置點(diǎn)進(jìn)行圖像 定位，把車輛在視頻圖像上的位置轉(zhuǎn)換為實(shí)際道路場(chǎng)景的位置。 3 .利用這些實(shí)際道路場(chǎng)景的位置點(diǎn)計(jì)算出車輛的運(yùn)動(dòng)路程。 因此如何將車輛在圖像上的位置轉(zhuǎn)化為實(shí)際道路上的位置，以及對(duì)車輛目 標(biāo)進(jìn)行檢測(cè)和跟蹤，是測(cè)速系統(tǒng)必須要解決的問題。這樣就把測(cè)速系統(tǒng)中對(duì)于 路程的測(cè)量再劃分為兩個(gè)子問題: 建立z d圖 像坐標(biāo)和真實(shí)場(chǎng)景的3 d世界坐標(biāo)之間的映射關(guān)系。 運(yùn)動(dòng)車輛在圖像上的檢測(cè)和跟蹤。 : 對(duì)于問題一常用的解決方法是建立真實(shí)場(chǎng)景到攝像機(jī)成像平面的攝像機(jī)成 像幾何模型。常用的方法有攝像機(jī)的標(biāo)定。問題二屬于圖像處理和計(jì)算機(jī)視覺 中的運(yùn)動(dòng)目 標(biāo)檢測(cè)和跟蹤的范疇。 2. l 3視頻測(cè)速面臨的一些實(shí)際困難 在測(cè)速方法研究過程中，筆者在瀏覽國(guó)內(nèi)外資料和文獻(xiàn)的同時(shí)，也與一些 視頻測(cè)監(jiān)控系統(tǒng)的使用者 ( 交通監(jiān)控系統(tǒng)的相關(guān)管理人員) 進(jìn)行過交流。交流 過程中發(fā)現(xiàn)，許多現(xiàn)有的視頻測(cè)速系統(tǒng)在正式使用過程中會(huì)有各種問題影響系 統(tǒng)的正常工作，其中有部分問題是可以在設(shè)計(jì)階段就考慮到并予以解決的。視 頻測(cè)速方法的研究者在現(xiàn)有理論和方法的基礎(chǔ)上應(yīng)該充分考慮如何解決這些問 題。 1 方法適應(yīng)性: 現(xiàn)有的各種基于圖像處理和計(jì)算機(jī)視覺的測(cè)速方法中有的方法精度較高， 但是算法復(fù)雜，系統(tǒng)開銷較大，實(shí)時(shí)性難以保證;有的方法在某種特定環(huán)境下 才能發(fā)揮作用，受環(huán)境和噪音干擾較大，不能廣泛推廣;有的方法需要的前提 條件較多，缺乏易用性。所以選取一種適合實(shí)際情況的視頻測(cè)速方法是保證測(cè) 第2 章車視頻測(cè)速問題分析及相關(guān)理論 計(jì)算機(jī)視覺常用坐標(biāo)系采用右手準(zhǔn)則來定義， 圖2. 2 表示了三個(gè)不同層次的 坐標(biāo)系統(tǒng):世界坐標(biāo)系、攝像機(jī)坐標(biāo)系和圖像坐標(biāo)系 ( 圖像像素坐標(biāo)系和圖像 物理坐標(biāo)系) 。 圖2 忍標(biāo)定系統(tǒng)的坐標(biāo)系 ( 1 )世界坐標(biāo)系 ( x w，y w ，z w ) :也稱真實(shí)或現(xiàn)實(shí)世界坐標(biāo)系，或全局 坐標(biāo)系。它是客觀世界的絕對(duì)坐標(biāo)，由用戶任意定義的三維空間坐標(biāo)系。一般 的3 d 場(chǎng)景都用這個(gè)坐標(biāo)系來表示。 (2) 攝像 機(jī)坐標(biāo)系(x oy):以 小孔攝像機(jī) 模型的聚 焦中 心為原點(diǎn) ，以 攝像機(jī) 光 軸為zc軸建 立的 三維 直 角 坐 標(biāo)系。 x ， y 一般 與圖 像 物 理 坐標(biāo)系的x f，y f 平 行，且采取前投影模型。 ( 3) 圖像坐標(biāo)系，分為圖像像素坐標(biāo)系和圖像物理坐標(biāo)系兩種: 圖像物理坐標(biāo)系:其原點(diǎn)為透鏡光軸與成像平面的交點(diǎn)，x與y軸分別平 行于攝像機(jī)坐標(biāo)系的x 與y 軸，是平面直角坐標(biāo)系， 單位為毫米。 圖 像像素坐標(biāo)系 ( 計(jì)算機(jī)圖像 ( 幀存) 坐標(biāo)系 ) :固 定在圖像上的以 像素為單 位的平面直角坐標(biāo)系，其原點(diǎn)位于圖像左上角，圖像平面的橫坐標(biāo)和縱坐標(biāo)平 行于圖 像物理坐標(biāo)系的x和y軸。 對(duì)于數(shù)字圖像來說， 橫縱坐標(biāo)的方向分別為 圖像的行列方向。 根據(jù)三個(gè)坐標(biāo)系的設(shè)定和針孔攝像機(jī)成像原理可建立世界坐標(biāo)系與圖像坐 標(biāo)系變換關(guān)系: 第2 章車視頻測(cè)速問題分析及相關(guān)理論 cx - xwyw孔1 幾幾1 幾幾幾 幾幾q 口qq -一 mi mz x - ，勝十lleses.j xwyw孔1 t1 嘰v01 0兒。 5 = q，c l:c 13c t4 0 x ， y 。 2 ， 1 (2 . 1 ) 其 中 ， u 。 ，vo 是 圖 像 中 心( 光 軸 與 圖 像 平 面 的 交 點(diǎn) ) 坐 標(biāo) ，人 和幾分 別 為 x 和y 方 向 的 等 效 焦 距 。 人、 刀 、 uo 和v 。 等4 個(gè) 參 數(shù) 只 與 攝 像 機(jī) 內(nèi) 部 結(jié) 構(gòu) 有 關(guān) ， 因此稱為攝像機(jī)內(nèi)部參數(shù)。 式2 1 中的11參 數(shù)攝像機(jī)矩陣c可以 用最小 二乘擬合的 方法求出 141 ， 該方 法需要 至少6組數(shù) 據(jù)， 每組數(shù)據(jù)包括圖 像點(diǎn)(u ， ， 從 ) 和對(duì)應(yīng)被觀測(cè)的3 d點(diǎn) (x ， ， y ， 2 ， )o攝像 機(jī)的 標(biāo)定 的目 的 也就 是為了 得到 這個(gè)11個(gè)參 數(shù)的 矩陣， 來 建 立 像素點(diǎn)在給定的攝像機(jī)的圖像陣列中的位置與 3 d場(chǎng)景中要成像的實(shí)值點(diǎn)的關(guān) 系。 2. 2. 2其他圖像定位方式 還有一些其他的非攝像機(jī)標(biāo)定的圖像定位技術(shù)也被用于實(shí)際的工作系統(tǒng) 中。 比 較常見的 有虛 擬 線圈 法， 還有文獻(xiàn)【 10 中 作者構(gòu)建 全景圖 和外極面圖 兩種 二維時(shí)空?qǐng)D像的方法對(duì)所觀測(cè)的路面進(jìn)行標(biāo)定，也達(dá)到了側(cè)量車輛位置的目的， 而文獻(xiàn)13 中 用簡(jiǎn)單直 觀的視覺直接標(biāo)定法用于圖 像坐標(biāo)的 定位， 在圖像上 在道 路方向上設(shè)置兩條虛擬檢測(cè)線，以探測(cè)是否有車輛通過，并分別作為車輛的初 始位置和終點(diǎn)位置。事先已經(jīng)確定好了這兩條檢測(cè)線在實(shí)際路面上的對(duì)應(yīng)位置 和它們之間的距離，簡(jiǎn)單有效地獲取車輛經(jīng)過測(cè)速區(qū)域的行駛路程，從而將整 個(gè)交通場(chǎng)景圖像的坐標(biāo)定位的問題簡(jiǎn)化成對(duì)兩條檢測(cè)線的定位問題，但是要得 到兩條檢測(cè)線在實(shí)際路面上的對(duì)應(yīng)的位置需要人工實(shí)地測(cè)量，而且如果出現(xiàn)攝 像機(jī)因震動(dòng)而偏移或工作需要的調(diào)整，改變了攝像機(jī)的鏡頭方向 ( 實(shí)際上經(jīng)常 發(fā)生) ，這兩條檢測(cè)線的實(shí)際位置就需要重新人工測(cè)量，系統(tǒng)的工作效率和實(shí)用 性不強(qiáng)。 第2 章車視頻測(cè)速問題分析及相關(guān)理論 2. 3運(yùn)動(dòng)目 標(biāo)在圖像中的檢測(cè)方法 運(yùn)動(dòng)目 標(biāo)的檢測(cè)算法根據(jù)運(yùn)動(dòng)目 標(biāo)和攝像機(jī)的關(guān)系可分為靜態(tài)背景下運(yùn)動(dòng) 目 標(biāo)的檢測(cè)和動(dòng)態(tài)背景下運(yùn)動(dòng)目 標(biāo)檢測(cè)11 1 。靜態(tài)背景下的 運(yùn)動(dòng)目 標(biāo)檢測(cè)就是指 攝像機(jī)在整個(gè)監(jiān)視過程中沒有發(fā)生移動(dòng)，只有被監(jiān)視目 標(biāo)在攝像機(jī)的視覺范圍 內(nèi)運(yùn)動(dòng)，這個(gè)過程中只有目 標(biāo)相對(duì)于攝像機(jī)的運(yùn)動(dòng):動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè) 就是攝像機(jī)在整個(gè)監(jiān)視過程中發(fā)生了移動(dòng)，這個(gè)過程產(chǎn)生了目標(biāo)與攝像機(jī)之間 復(fù)雜的相對(duì)運(yùn)動(dòng)。 靜態(tài)背景下運(yùn)動(dòng)目 標(biāo)檢測(cè)主要常用的三種方法是:幀間差分法、背景差分 法和光流法。光流法計(jì)算復(fù)雜，不適合實(shí)時(shí)處理:幀間差分法是將連續(xù)兩幀進(jìn) 行比較，從中提取出運(yùn)動(dòng)目 標(biāo)的信息，這種提取出運(yùn)動(dòng)目 標(biāo)的完整性較差，但 對(duì)動(dòng)態(tài)環(huán)境有較好的適應(yīng)性;背景差分法能夠較完整地提取目 標(biāo)點(diǎn)，但對(duì)場(chǎng)景 的動(dòng)態(tài)變化 ( 如光照或外部條件引起的場(chǎng)景變化)較為敏感。 動(dòng)態(tài)背景下運(yùn)動(dòng)檢測(cè)由于存在著目標(biāo)與攝像機(jī)之間的復(fù)雜的相對(duì)運(yùn)動(dòng)，所 有算法也要比靜態(tài)背景下運(yùn)動(dòng)目 標(biāo)檢測(cè)算法復(fù)雜得多，常用的動(dòng)態(tài)背景下運(yùn)動(dòng) 檢測(cè)算法是匹配塊法、光流估計(jì)法、圖像匹配法以及全局運(yùn)動(dòng)估計(jì)法等。 2. 4運(yùn)動(dòng)目 標(biāo)在視頻序列中的跟蹤方法 所謂目 標(biāo)跟蹤，就是在一段視頻序列的每幅圖像中找到感興趣的運(yùn)動(dòng)目 標(biāo) 所處的位置。目 標(biāo)跟蹤的作用非常重要，因?yàn)樗倾暯舆\(yùn)動(dòng)目 標(biāo)檢測(cè)和目 標(biāo)行 為分析與理解的一個(gè)重要環(huán)節(jié)，是計(jì)算機(jī)視覺、圖像處理和模式識(shí)別領(lǐng)域里非 ?；钴S的課題。在實(shí)際應(yīng)用中，目標(biāo)跟蹤不僅可以提供目標(biāo)的運(yùn)動(dòng)軌跡和準(zhǔn)確 的位置，也為進(jìn)行場(chǎng)景中運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)分析和場(chǎng)景分析提供了可靠的數(shù)據(jù)來 源，同時(shí)運(yùn)動(dòng)目標(biāo)的跟蹤信息也反過來為運(yùn)動(dòng)目 標(biāo)的正確檢測(cè)以及運(yùn)動(dòng)目標(biāo)的 識(shí)別提供了幫助。 常用的運(yùn)動(dòng)目 標(biāo)跟蹤方法有下列機(jī)幾種: 1) 基于光流場(chǎng)的運(yùn)動(dòng)跟蹤方法112 ， 131 2) 基于特征的 跟蹤方法1 14 3 ) 基 于3 d 模 型 的 跟 蹤 方 法 1， 5 16 ，1刀 第2 章車視頻測(cè)速問題分析及相關(guān)理論 4) 基于主動(dòng)輪廓 ( sna ke)的 跟蹤方法 ( 基于變形模型的方法) 115 .19l 5 ) 基于區(qū)域的 跟蹤方法12 0 6) 基于卡爾曼 濾波器的目 標(biāo)跟蹤121-24 2. 5小結(jié) 本章第一節(jié)對(duì)本課題所要解決的問題視頻測(cè)速進(jìn)行了詳細(xì)的分析，把 測(cè)速問題分解為車輛的行駛時(shí)間測(cè)量和距離測(cè)量?jī)蓚€(gè)子問題，并且把重點(diǎn)定在 如何在圖像上對(duì)車輛的行駛距離的進(jìn)行精確測(cè)量。同時(shí)還把把行駛距離的測(cè)量 也分為兩個(gè)子問題:建立z d圖像坐標(biāo)和真實(shí)場(chǎng)景的3 d世界坐標(biāo)之間的映射關(guān) 系，以及運(yùn)動(dòng)車輛在圖像上的檢測(cè)跟蹤。同時(shí)還對(duì)視頻測(cè)速系統(tǒng)在實(shí)際工作中 可能遇到的一些問題進(jìn)行了討論和分析。 第二節(jié)到第五節(jié)對(duì)上述問題的常用的解決方法和技術(shù)包括攝像機(jī)的標(biāo)定、 運(yùn)動(dòng)目 標(biāo)的檢測(cè)、運(yùn)動(dòng)目 標(biāo)的跟蹤等做了簡(jiǎn)單介紹。 第3 章 基于路面標(biāo)線檢測(cè)的圖像定位方法 第三章 基于路面標(biāo)線檢測(cè)的圖像定位方法 本文提出了一種基于道路標(biāo)線檢測(cè)的圖像定位方法，不需通過攝像機(jī)的標(biāo) 定檢測(cè)出攝像頭的各種內(nèi)部參數(shù)和外部參數(shù)，直接通過圖像中標(biāo)線位置，和己 知的標(biāo)線長(zhǎng)度和標(biāo)線間隔長(zhǎng)度，得到在道路方向上圖像位置和真實(shí)場(chǎng)景位置的 聯(lián)系，為視頻測(cè)速系統(tǒng)中的距離測(cè)量服務(wù)。 3. 1基于路面標(biāo)線檢測(cè)的圖像定位方法 3. l i圖像定位的已有解決方法分析 在 2. 2節(jié)問題分析中，我們已經(jīng)知道要求得圖像中的車輛目 標(biāo)的行駛的路 程，首先要解決第一個(gè)子問題:如何建立z d圖像坐標(biāo)和真實(shí)場(chǎng)景的3 d世界坐 標(biāo)之間的映射，常用的方法有攝像機(jī)標(biāo)定方法或虛擬線圈法等。 攝像機(jī)標(biāo)定一般需要在觀測(cè)場(chǎng)景中標(biāo)定n個(gè)參照點(diǎn)，現(xiàn)場(chǎng)測(cè)量這些點(diǎn)的精 確位置，然后利用插值算法確定像素與地球坐標(biāo)的映射。在有些時(shí)候系統(tǒng)難以 放置有效的標(biāo)定物作參照點(diǎn)。比如在高速公路上，不可能在路面位置放置特殊 的標(biāo)定物，影響高速公路的交通，也不允許在路面上以某種固定形狀和顏色的 標(biāo)志作為標(biāo)定物 ( 參見國(guó)家標(biāo)準(zhǔn)g b 5 7 6 8 一 1999 道路交通標(biāo)志和標(biāo)線 ) 。 用虛擬線圈 法實(shí)現(xiàn)距離的測(cè)量13，2” ， 就是通過人工測(cè)量或估計(jì)的 方法得到兩 條圖像上的虛擬線圈在實(shí)際道路上的距離，這種方法簡(jiǎn)單有效，測(cè)量精度也較 好。但在系統(tǒng)實(shí)際工作時(shí)，通過的重型汽車造成的震動(dòng)偏移會(huì)使鏡頭方向產(chǎn)生 偏差，之前的人工測(cè)定的距離就失去了作用，需要重新人工測(cè)量或人工恢復(fù)攝 像機(jī)鏡頭的方向。同時(shí)受到檢測(cè)線檢測(cè)效果的影響， 如文獻(xiàn)1 3中分析討論虛擬 線圈精度問題時(shí)提到了同一車輛的兩次 “ 撞線”時(shí)并不能保證剛好被攝像機(jī)拍 攝到，實(shí)際車輛的行駛距離會(huì)比線圈間距有一定的偏差，影響其測(cè)速性能。而 且其標(biāo)定的距離也被固定了，只能是兩條線圈之間的距離，所測(cè)量的速度也只 能是兩條檢測(cè)線間的平均速度，對(duì)圖像中其他位置的車輛的速度無法進(jìn)行測(cè)量。 于是本文提出了一種新的定位法，不需借助攝像機(jī)坐標(biāo)系和普通的標(biāo)定物 第3 章 基于路面標(biāo)線檢測(cè)的圖像定位方法 的放置，而是利用攝像機(jī)的鏡頭的擺放使監(jiān)控圖像和實(shí)際道路坐標(biāo)間具有易標(biāo) 定的性質(zhì)，只要獲取相對(duì)較少的參數(shù)，使圖像上的所有像素點(diǎn)坐標(biāo)都可以方便 地計(jì)算出其在道路方向上的位置。通過對(duì)道路上的白色標(biāo)線端點(diǎn)的檢測(cè)來計(jì)算 圖像定位所需的參數(shù).這種方法可在道路邊的單桿上安裝，易于安裝修理和調(diào) 校。 3. l 2本文的圖像定位方法原理 本文研究的高速公路測(cè)速系統(tǒng)中的觀測(cè)對(duì)象車輛在道路平面上的運(yùn)動(dòng) 可以看作是直線運(yùn)動(dòng)， 系統(tǒng)最需要的 信息實(shí)際上只有車輛在真實(shí)世界的3 d信息 中道路所在直線方向 上的位置信息。若設(shè)該道路所在直線為x軸，則對(duì)測(cè)速系 統(tǒng)來說， 最關(guān)心的是車輛在x軸上的位置信息， 另外z d的位置信息 ( y軸和2 軸)不是必要的。從這點(diǎn)出發(fā)，本文的測(cè)速系統(tǒng)中對(duì)圖像定位問題進(jìn)行了簡(jiǎn)化: 找到z d圖像的位置坐標(biāo)和世界坐標(biāo)下道路方向上一維位置坐標(biāo) ( x軸上位置) 之間的關(guān)系，即可以從某物體的z d圖像坐標(biāo)得到其在道路方向上的位置。 基于路面路標(biāo)線檢測(cè)的圖像定位方法， 是利用攝像機(jī)的鏡頭方向的擺放( 使 攝像機(jī)的橫向感光元保持水平，同時(shí)鏡頭朝道路方向，即鏡頭光軸所在的豎直 平面和道路平行) ，使具有同一縱坐標(biāo)的所有像素點(diǎn)相對(duì)應(yīng)的世界坐標(biāo)點(diǎn)在道路 方向上具有相同的投影位置，即世界坐標(biāo)的x軸分量相同 ( 如果假設(shè)道路和 x 軸平行) 。 這樣只要得到某一個(gè)像素對(duì)應(yīng)的世界坐標(biāo)點(diǎn)的x軸位置，同 一行的其 它像素也能得到同樣的結(jié)果。如果我們每一行像素中都選取一個(gè)像素組成一條 豎直像素列，該象素列中每一個(gè)像素都可以代表同行其它像素對(duì)應(yīng)的世界坐標(biāo) 在x軸上的分量。只要找到該像素列的像素點(diǎn)和對(duì)應(yīng)世界坐標(biāo)點(diǎn)的x軸位置的 關(guān)系，就能得到所有像素和對(duì)應(yīng)世界坐標(biāo)的x軸的關(guān)系。這里我們?cè)O(shè)該像素列 為圖像的豎直中線l o( 即通過圖像的中心把圖像兩個(gè)相同的部分的直線，注意 在大多數(shù)的攝像機(jī)里圖 像的中心就是攝像機(jī)的主點(diǎn):光軸與成像平面的交點(diǎn)) 。 如圖3 . 1 中場(chǎng)景中道路平面上某點(diǎn)p ， 在x軸上的投影點(diǎn)為p， 在圖像平面 上的 投影 成像點(diǎn) 為q 。 而 道路 上 的 線 段p p 在圖 像上的 投影 為 線段qq 。 顯 然 qq， 所在的 一行像素 所對(duì)應(yīng)的世 界坐標(biāo)的x軸分量都是 一樣的。 只要知 道經(jīng)過 主點(diǎn)的豎直像素l o 和對(duì)應(yīng)世界坐標(biāo)系在x軸上的分量的關(guān)系， 就可以知道所有 像素和對(duì)應(yīng)世界坐標(biāo)系在x軸上的分量之間的關(guān)系。 從圖像上看即要找到l o 和 第 3 章 基于路面標(biāo)線檢測(cè)的圖像定位方法 x 軸的之間映射關(guān)系。 圖像 平面 o 一 了 - 一 1 - 一 口 一 px .。月v 圖像平面 、 勺 、 、 p x 一入 仁一 a)透視圖a)俯視圖 、-， c)圖 像平面 像素示 意圖 圖3 . 1攝像頭設(shè)置和圖像特征示意圖 為方便理解和計(jì)算，我們把世界坐標(biāo)系的原點(diǎn)設(shè)為道路平面中間的車行道 分界 線上 某個(gè)端點(diǎn) 上， x 軸沿道路方向 與 汽車 前進(jìn)方向 相反， y 軸為 道路延展方 向由單桿朝路面方向 ( 圖3 .2 ) 。 一d 一 朋 一 、 一 t州 圖3 之?dāng)z像機(jī)位置和道路場(chǎng)景的世界坐標(biāo)系設(shè)置示意圖 第3 章 基于路面標(biāo)線檢測(cè)的圖像定位方法 這 樣 如 果 我們 把x 軸(z= 0 ， y 二 0)， 和l o (u = uo， u 。 為l o 上 像素的 縱 坐 標(biāo))代入2. 1 得到: ( 3 . 1 ) cx r護(hù)卜卜七 c，4幾1 幾幾幾 仇幾幾 l u 。 i c ll 5 】 一 c ， t l l c 3 ， 整理后得到: ( 3 . 2 ) -!j 味幾1 qqc3 r.esesesee且.1.l - -十lesesj uovl r.，esesesesl 了 這里 得 到的 是 在 世 界 坐標(biāo)x軸上 點(diǎn) ( x ， ， 。 ， 0) 和圖 像 上l o 上的點(diǎn) ( u 。 ，v) 之 見的 映 射 關(guān) 系。 其中“ 。 是 一固 定 值， 所以 我 們 可以 從式3 .2 可以 得到: 二 = 蘭 叢 二 蘭 .( 3 .3 ) c 3 l v 一 c z i 這樣我們把式2 1 中n個(gè)參數(shù)的攝像機(jī)矩陣簡(jiǎn)化為了3 個(gè)參數(shù)的轉(zhuǎn)換方式。 只 要得 到 這 三個(gè) 參 數(shù)q 1 c 24 q ， ， 就 可以 找到l 。 的 點(diǎn) 和x 軸上的點(diǎn) 之間 的 映 射 關(guān)系，同樣也就得到了圖像上所有像素對(duì)應(yīng)世界坐標(biāo)系在 x軸上的分量之間的 關(guān)系。 要 找 到 這 樣的 關(guān) 系 需 要 求 得 三 個(gè)參 數(shù)q : 幾 c3， 的 精 確的 值， 我 們可以 用設(shè) 立參 照 點(diǎn) 的 方 式 求 得 它 們的 值。 對(duì) 每 個(gè)lo上的 點(diǎn)， ， 及 其 對(duì) 應(yīng) 世 界 坐 標(biāo)點(diǎn) 的x 軸 分量戈， 記為 以，戈 ) ， 從式3 .3都 可以 得到 一 個(gè)線 性方 程: x ， ，1 ， ，一v， ( 3 . 4 ) u， 一一 幾味q 理 論 上 只 要得 到 三 組數(shù) 據(jù) (v ， x ， ) 的 坐 標(biāo)就 可以 得 到 三 組線 性方 程組 求出 這 三個(gè)參數(shù)， 但是由于測(cè)量噪聲， 數(shù)據(jù)并不能完全精確的和式3 .3對(duì)應(yīng)。 我們采用 對(duì)給定n 組的 數(shù)據(jù) (n3) 進(jìn)行最小 二 乘擬 合文獻(xiàn) 4 的 方式求得這三個(gè)參數(shù)， 提高 參數(shù)的精確性。先將n 組數(shù)據(jù)帶入3 .3得到方程組: 第3 章 基于路面標(biāo)線檢測(cè)的圖像定位方法 ( 3 . 5 ) 干!，!lesj ul叭uh reseseseswe.es.l ，.111j 陌鳳一風(fēng) ，.se.!幾1.esesj vl咋氣 ，-xl，-xz; 1，1，1， 隊(duì)匡|衛(wèi)氏 這 是 個(gè) 超定 系 統(tǒng)， 不 存 在 滿 足 所有 方 程的 參 數(shù)向 量 q ; ， c z 。 ， q， 。 用 最小 二 乘法解方程的方法求得三個(gè)參數(shù)，使實(shí)測(cè)圖像坐標(biāo)與經(jīng)攝像機(jī)矩陣預(yù)測(cè)的坐標(biāo) 之間的差平方和最小。 得到三個(gè)參數(shù)后就可以通過式3. 3 從 l o 上的像素點(diǎn)的坐 標(biāo) (u 。 ， ， ) 計(jì) 算對(duì) 應(yīng)的 在x軸 上 點(diǎn) (x，0， 0) ， 同 樣 也 可 從圖 像 上 任何一 像 素 點(diǎn)的 坐 標(biāo) ( u ， v) 計(jì)算出 該像素對(duì) 應(yīng)的 世界 坐標(biāo)的 位置在x軸上的 分量x(圖3 . 1) 。 從上文的分析我們可以看出式 3 .3不但適用于 l o ，而且適用于計(jì)算整個(gè)圖 像平面上的 任意 像素點(diǎn) ( u ， v) 和對(duì)應(yīng)的 在x軸上點(diǎn) (x ，0， 0 ) 即 道路位置的 關(guān)系。 只 要在圖 像中 得到 三組以 上的 數(shù)據(jù)(v ， ， x : ) ， 就可以 得 到這 三個(gè)參數(shù)。 3 . l 3基于路面標(biāo)線檢測(cè)的圖像定位法 前 面 我 們知 道 只 要 得到 三 組以 上的 數(shù) 據(jù) ( u ， ， x ， ) ， u ， 為圖 像 上 某像 素點(diǎn)的 縱 坐 標(biāo)， x ， 為 該 像素點(diǎn) 對(duì) 應(yīng)的 道 路 場(chǎng) 景 上的 點(diǎn)的 世 界 坐 標(biāo)的x 軸 位置( 即 道 路位置) 。 就可以計(jì)算出式3 .3 中的三個(gè)參數(shù)， 并可以 用于道路位置和圖像坐標(biāo)位置之間的 轉(zhuǎn)換.這里我們可以 在圖像上找到道路上固有的白 色標(biāo)線的端點(diǎn) ( 如圖3 ，3) 作 為參照物計(jì)算出這三個(gè)參數(shù)。 二 二 充 二 二 二 免 皿二.凡 卜l-1-.卜!卜 vgvt竹銘竹 三 一 二一 飛 。!f-。卜。1尸。 匆們竹 一 1 一一一一 飛 vvo 圖3. 3把標(biāo)線的 端點(diǎn)做為參照點(diǎn) 從圖 像下 方 第一 個(gè) 檢測(cè) 到的 標(biāo) 線段 端點(diǎn) 像素 ( u 。 ， vo ) 開 始， 所 有的 檢測(cè) 到的 端點(diǎn)像素的v 軸坐標(biāo)為: l 6 第4 章 車輛目 標(biāo)在視頻中的檢測(cè)及跟蹤 第四章 車輛目 標(biāo)在視頻中的檢測(cè)及跟蹤 4. 1基于背景差法的機(jī)動(dòng)車目 標(biāo)的檢測(cè) 第二章介紹了智能交通系統(tǒng)中使用視頻監(jiān)控裝置對(duì)交通道路上的交通狀況 進(jìn)行監(jiān)控，絕大部分的情況下屬于靜態(tài)背景， 采用背景差方法i35 ) 對(duì)交通場(chǎng)景內(nèi) 的運(yùn)動(dòng)車輛進(jìn)行檢測(cè)和跟蹤是最常用和最方便的方法. 背景差法的一般工作流程如圖4 . 1 所示: 圖4 . 1 背景差法基本流程 只 (x ， y):l 關(guān) (x ， 力一 取x ， 州 只是 在經(jīng) 過盡和廠 (x ， y)做差 分 操 作 之后 得到 差 分圖 像( 式4 ， 1)， ( 41 ) 其中雙是 用來 減除的 背 景圖 像，廠 (x ， y)指當(dāng) 前 采集 到的 視 頻圖 像， 進(jìn)一步 進(jìn) 行目 標(biāo)分 割 二值化后得到前景點(diǎn)集，進(jìn)行形態(tài)學(xué)處理消除內(nèi)部空孔，得到比 較完整的目 標(biāo) 區(qū) 域凡， 最后 用連 通性 分 析得到 完整的 某 車輛目 標(biāo)， 并由 某種 準(zhǔn)則 進(jìn)行 判別 它 是否 是要找的 運(yùn) 動(dòng)目 標(biāo)。 這里 準(zhǔn)確描 述 真實(shí) 靜態(tài) 背景 的 背 景圖 像盡顯得 非常 重 要。 而我們指的所謂靜態(tài)背景，指的是背景像素的灰度在時(shí)間軸上無劇烈變化. 然而，在實(shí)際中 “ 靜止”背景的像素灰度有可能由于環(huán)境光照變化、攝像機(jī)抖 動(dòng)以及小物體或噪聲的干擾等因素而發(fā)生變化，從而影響檢測(cè)和分割精度。所 第4 章 車輛目 標(biāo)在視頻中的檢測(cè)及跟蹤 以如何根據(jù)實(shí)際情況選取合適的精確可靠的背景模型是背景差法的關(guān)鍵。對(duì)于 于長(zhǎng)時(shí)間的目 標(biāo)檢測(cè)來說，背景的光照必然時(shí)隨時(shí)間變化的，必須采用自 適應(yīng) 地初始化和更新當(dāng)前背景的方法35 ，犯 ，371 。 4. l i常用的背景的初始化方法 靜態(tài)攝像機(jī)由于場(chǎng)景在整個(gè)視頻序列中近似靜止，故背景對(duì)應(yīng)的時(shí)間軸上 的低頻信息可以通過對(duì)視頻序列進(jìn)行時(shí)間軸上低通濾波來估計(jì)靜止背景。一般 基于時(shí)間軸的背景估計(jì)的形式如式4. 2 。 其中， hi為濾波器， n為濾波器的長(zhǎng)度。 凡= 藝氣 廠 (x ， 力 ( 4 . 2 ) 背景 建立常 用的 濾 波器有均值濾波， 中 值濾波、 高 斯濾波1l 劉、 多 模高 斯濾 波135 加 】 、 rls濾波i3v l和卡爾曼 濾波137 1 等等。 在系 統(tǒng)實(shí)現(xiàn)時(shí) 要考慮到系 統(tǒng)應(yīng)用的 實(shí)際情況，種種條件限制，選取比較適合實(shí)際圖像特點(diǎn)的方法，即能保證系統(tǒng) 所要求的檢測(cè)的正確率和檢測(cè)精度，也能兼顧系統(tǒng)的實(shí)時(shí)性和可行性等。 4. l 2高速公路監(jiān)控視頻圖像特征分析 本系統(tǒng)研究的是高速公路道路上視頻測(cè)速，高速公路上視頻監(jiān)控圖像我們 可以認(rèn)為有下列特點(diǎn): . 攝像機(jī)位置方向及焦距固定，保證攝入的圖像的背景是靜止的。 . 背景的內(nèi)容始終不變。主要以路面和路邊的景物為靜態(tài)的背景，一般在 道路上沒有背景物被移出背景，也沒有新的目 標(biāo)停在背景區(qū)造成背景區(qū)域短時(shí) 間內(nèi)改變較大。 . 高速公路視頻所要監(jiān)控的是道路上的車輛行駛區(qū)域，系統(tǒng)可以只檢測(cè)兩 條道路邊緣線內(nèi)的道路情況，減少了背景的復(fù)雜度。 . 在自 然的條件卜 ，大氣系統(tǒng)是一個(gè)時(shí)變但變化平緩的系統(tǒng)，也就是說在 短時(shí)間內(nèi)光照條件的變化是緩慢的，不考慮有光照突變的情況。 基于上面的假設(shè)，監(jiān)控視頻的背景多數(shù)時(shí)間都是暴露在鏡頭之下的，長(zhǎng)時(shí) 間內(nèi)背景可能會(huì)發(fā)生變化，變化的原因主要有這么幾種: 1 .汽車目 標(biāo)車輛通過造成幅度較大的亮度變化。 2 .光照條件的變化造成圖像灰度在整體上提高或降低一個(gè)比較小的值。 第4 章 車輛目 標(biāo)在視頻中的 檢測(cè)及跟蹤 3 .比較隨機(jī)和孤立的噪聲影響。 基于以上分析，高速公路監(jiān)控視頻圖像的背景情況比較簡(jiǎn)單，可以用針對(duì) 簡(jiǎn)單背景的較為快速的方法來快速檢測(cè)車輛。 4. l 3背景初始化和更新方法 考慮到高速公路視頻測(cè)速系統(tǒng)對(duì)精度和實(shí)時(shí)性的要求，本文提出一個(gè)基于 統(tǒng)計(jì)的背景初始估計(jì)算法和更新算法，用于對(duì)緩慢變換光照條件下和較為簡(jiǎn)單 背景的條件下的車輛目 標(biāo)檢測(cè)和它在圖像上的定位。 1)背景模型初始化算法 從高速公路視頻監(jiān)控視頻下的靜態(tài)背景的分析中，我們可以知道該背景模 型可以 不用考慮背景中 某個(gè)象素點(diǎn)的值呈多峰分布135 j6的情況， 并且基于高速公 路視頻監(jiān)控視頻中的背景圖像大部分時(shí)間內(nèi)是暴露在視頻監(jiān)控鏡頭里的假設(shè)， 本文提出了一個(gè)基于統(tǒng)計(jì)的背景初始化算法，利用均值濾波對(duì)連續(xù)數(shù)幀圖像中 某個(gè)位置的像素灰度值進(jìn)行比較， 找出該位置上的像素最可能出現(xiàn)的灰度值( 或 者說過去一段時(shí)間內(nèi)出現(xiàn)頻率最高的灰度值)來對(duì)背景進(jìn)行估計(jì)。 背景的初始化算法如下: 1 .采集n幀 連 續(xù)圖 像， 計(jì) 算圖 像 上 某 位 置 (x ， y) 的 所 有 像素的 灰 度值的 均 值 p(x， y ) ， 并 計(jì) 算 該 位置 上 所 有象 素 和p 的 差 值的 均值6 (x ， y) 。 藝 關(guān) ( x ， ， ) “ (x， 力 = 型 萬 了 一 口 ( x ， 夕 ) = 習(xí)關(guān) (x ，力 一 川 n ( 4 . 7 ) 2. 用每 一幀圖 像上該 位置的 像 素灰 度值 和p (x ， 刃 進(jìn) 行比 較， 剔除 掉 像素 灰 度值差。 (x ， y) 大的 像素， 把 保留 下來的 像素 再 次 計(jì) 算 均 值協(xié) 和6 值。 3 .若剩下的像素的數(shù)量多于一定的比例 n % ( 比如40%) ，則對(duì)剩下的像素 重復(fù)步驟 1 2 ，直到剩下的像素?cái)?shù)量比例低于 n %。用以 近似該位置的像素出 現(xiàn)頻率最高的灰度值。 4. 用最后得到的 均值p(x， y ) 構(gòu) 建背景圖 像。 第4 章 車輛目標(biāo)在視頻中的檢測(cè)及跟蹤 4. 2基于卡爾曼濾波器的機(jī)動(dòng)車跟蹤方法 目 標(biāo)跟蹤一般有以 下幾個(gè)步驟: 1) 視頻序列中檢測(cè)到新的 運(yùn)動(dòng)目 標(biāo)及運(yùn)動(dòng)區(qū)域; 2) 對(duì)檢測(cè)到的目 標(biāo)提取特征并建立目 標(biāo)匹配模板; 3) 確定目 標(biāo)在下一幀中的搜索范圍; 4) 在確定的搜索范圍內(nèi)， 尋找最佳的匹配位置， 如果在確定的范圍內(nèi) 未找到 目 標(biāo)時(shí)需要進(jìn)行例外處理; 5) 利用匹配到的目 標(biāo)圖 像， 更新被跟蹤目 標(biāo)的 模板數(shù)據(jù)。 按照以上步驟反復(fù)進(jìn)行，就可以完成對(duì)目 標(biāo)的跟蹤。 本文的目的是為了 檢測(cè)出經(jīng)過視頻監(jiān)控區(qū)域的目 標(biāo)車輛的速度，就要在上 一節(jié)對(duì)目 標(biāo)車輛進(jìn)行精確檢測(cè)的結(jié)果的基礎(chǔ)上，實(shí)現(xiàn)對(duì)該目 標(biāo)跟蹤以記錄車輛 的行駛軌跡，通過車輛的行駛軌跡和幀圖像之間的時(shí)間間隔以及圖像定位技術(shù)， 得到該車輛在實(shí)際道路平面上的行駛速度，為交通監(jiān)控部門提供必要的特定車 輛目 標(biāo)的速度信息。本節(jié)將提出一種基于卡爾曼濾波的車輛目 標(biāo)跟蹤方法。 4. 2. 1卡爾曼濾波器模型簡(jiǎn)介 卡爾曼濾波122 刀 泌 解 ，45 是由“ 消息過程” 、 “ 測(cè)量過程” 和 “ 濾波過程” 組成 的，是一套線性無偏最小均方誤差的遞推公式。可以證明，在一定條件下，在 最小均方誤差準(zhǔn)則下得到的最佳線性系統(tǒng)是所有系統(tǒng)中的最佳者。 . 消息模型 ( 狀態(tài)轉(zhuǎn)移方程)就是對(duì)連續(xù)信號(hào)的采樣 乓“ 人 一 x*-. + 凡 _ . 八一( 4. 11) 式中凡為n 維向 量， 八為r 維 隨 機(jī)動(dòng) 態(tài)噪 聲 . 量測(cè)模型就是測(cè)量機(jī)構(gòu)的輸出和相應(yīng)的狀態(tài)變量的關(guān)系 兒= q乓+ 叭( 4. 12) 式中兒， 叭都 是m 維 向 量 ， 叭是 測(cè) 量 帶 來 的 噪 聲 。 . 濾波模型，即進(jìn)一步預(yù)測(cè)，就是要尋找x的線性估計(jì)式 第4 章 車輛目 標(biāo)在視頻中的檢測(cè)及跟蹤 凡= 藝 凡 為 + dk ( 4 . 1 3 ) 式中峨為n 維 的 常 值向 量。 通過上面三個(gè)模型可以 求得