1、itraf 智能交通系統(tǒng) 1 / 67 實(shí)踐項(xiàng)目（中國(guó)區(qū)）選拔賽實(shí)踐項(xiàng)目（中國(guó)區(qū)）選拔賽 詳細(xì)設(shè)計(jì)說(shuō)明書(shū)詳細(xì)設(shè)計(jì)說(shuō)明書(shū) 參賽隊(duì)伍名稱參賽隊(duì)伍名稱 參賽作品名稱參賽作品名稱 itrafitraf 智能交通系統(tǒng)智能交通系統(tǒng) 報(bào)名注冊(cè)編號(hào)報(bào)名注冊(cè)編號(hào)(id)(id) 團(tuán)隊(duì)成員姓名團(tuán)隊(duì)成員姓名 學(xué)校學(xué)校/ /系系 主要聯(lián)系電話主要聯(lián)系電話 通訊地址通訊地址 郵郵 編編 電子郵箱電子郵箱 2008 年年 10 月月 10 日日 itraf 智能交通系統(tǒng) 2 / 67 目目 錄錄 1.引言引言.5 1.1.編寫(xiě)目的.5 1.2.背景.5 1.3.參考資料.5 2.程序（模塊）系統(tǒng)的組織結(jié)構(gòu)程序（模塊）系統(tǒng)

2、的組織結(jié)構(gòu).6 2.1.交通事件檢測(cè)軟件.6 2.1.1.視頻采集模塊.6 2.1.2.預(yù)處理模塊.7 2.1.3.車輛檢測(cè)模塊.7 2.1.4.車輛跟蹤模塊.8 2.1.5.車輛運(yùn)動(dòng)信息提取模塊.8 2.1.6.交通事件檢測(cè)模塊.9 2.1.7.參數(shù)設(shè)置模塊.10 2.1.8.網(wǎng)絡(luò)管理模塊.11 2.2.管理中心軟件.12 2.2.1.交通事件集中存儲(chǔ)檢索模塊.12 2.2.2.報(bào)警管理模塊.13 2.2.3.交通事件統(tǒng)計(jì)模塊.13 2.2.4.用戶管理模塊.14 2.2.5.交通管理部門接口.14 2.2.6.交警巡邏車接口.15 2.2.7.語(yǔ)音接口.15 2.2.8.短信發(fā)送接口.16

3、 3.界面設(shè)計(jì)要求界面設(shè)計(jì)要求.16 itraf 智能交通系統(tǒng) 3 / 67 4.核心算法設(shè)計(jì)核心算法設(shè)計(jì).17 4.1.運(yùn)動(dòng)車輛檢測(cè).17 4.1.1.運(yùn)動(dòng)目標(biāo)檢測(cè).17 4.1.2.背景模型.18 4.1.3.車輛檢測(cè).19 4.1.4.后處理.23 4.2.運(yùn)動(dòng)車輛跟蹤.27 4.2.1.基于kalman濾波的跟蹤算法.27 4.2.2.基于模板匹配的細(xì)分割.28 4.2.3.異常跟蹤處理.31 4.3.夜間車輛檢測(cè).31 4.3.1.夜間車輛特點(diǎn).31 4.3.2.車燈配對(duì).32 4.3.3.白天夜晚模式切換.33 4.4.基于圖像分析的交通事件檢測(cè) .33 4.4.1.基于軌跡的事件

4、檢測(cè).33 4.4.2.車速檢測(cè).36 4.4.3.事件檢測(cè).41 4.5.能見(jiàn)度和雪、雨的檢測(cè).45 4.5.1.能見(jiàn)度檢測(cè).46 4.5.2.局部直方圖均衡.46 4.5.3.基于色彩恒常理論的圖像增強(qiáng).49 5.系統(tǒng)流程圖系統(tǒng)流程圖.53 5.1.交通事件檢測(cè)軟件.53 5.1.1.視頻采集模塊.54 5.1.2.預(yù)處理模塊.54 5.1.3.車輛檢測(cè)模塊.55 5.1.4.車輛跟蹤模塊.56 itraf 智能交通系統(tǒng) 4 / 67 5.1.5.車輛運(yùn)動(dòng)信息提取模塊.57 5.1.6.交通事件檢測(cè)模塊.59 5.1.7.參數(shù)設(shè)置模塊.60 5.1.8.網(wǎng)絡(luò)管理模塊.61 5.2.管理中心

5、軟件.62 5.2.1.交通事件集中存儲(chǔ)檢索模塊.62 5.2.2.報(bào)警管理模塊.63 5.2.3.交通事件統(tǒng)計(jì)模塊.64 5.2.4.用戶管理模塊.65 5.2.5.語(yǔ)音接口.66 5.2.6.短信發(fā)送接口.67 itraf 智能交通系統(tǒng) 5 / 67 1. 引言引言 1.1.編寫(xiě)目的編寫(xiě)目的 本詳細(xì)設(shè)計(jì)說(shuō)明書(shū)確定系統(tǒng)的詳細(xì)功能模塊和數(shù)據(jù)結(jié)構(gòu)，為下階段開(kāi)發(fā)工 作提供依據(jù)。 1.2.背景背景 軟件系統(tǒng)的名稱：itraf 智能交通系統(tǒng) 本項(xiàng)目的提出者：itraf 小組研究學(xué)習(xí) 本項(xiàng)目的開(kāi)發(fā)者：itraf 小組 軟件系統(tǒng)的用戶：用于道路交通緊急救援、道路的智能化控制和管理等方 面 1.3.參考資料

6、參考資料 itraf 智能交通系統(tǒng)需求規(guī)格說(shuō)明書(shū) itraf 智能交通系統(tǒng)概要設(shè)計(jì)說(shuō)明書(shū) itraf 智能交通系統(tǒng) 6 / 67 2. 程序（模塊）系統(tǒng)的組織結(jié)構(gòu)程序（模塊）系統(tǒng)的組織結(jié)構(gòu) 視視頻頻采采集集模模塊塊 預(yù)預(yù)處處理理模模塊塊 車車輛輛檢檢測(cè)測(cè)模模塊塊 車車輛輛跟跟蹤蹤模模塊塊 車車輛輛運(yùn)運(yùn)動(dòng)動(dòng)信信息息提提 取取模模塊塊 交交通通事事件件檢檢測(cè)測(cè)模模 塊塊 參參數(shù)數(shù)設(shè)設(shè)置置模模塊塊 網(wǎng)網(wǎng)絡(luò)絡(luò)管管理理模模塊塊 itraf交交通通事事件件檢檢 測(cè)測(cè)軟軟件件 交交通通事事件件集集中中存存 儲(chǔ)儲(chǔ)檢檢索索模模塊塊 用用戶戶管管理理模模塊塊 報(bào)報(bào)警警管管理理模模塊塊 語(yǔ)語(yǔ)音音廣廣播播接接口口 交

7、交通通事事件件統(tǒng)統(tǒng)計(jì)計(jì)模模 塊塊 短短信信發(fā)發(fā)送送接接口口 查查詢?cè)儥z檢索索交交通通事事 件件 前前端端及及后后臺(tái)臺(tái)參參數(shù)數(shù) 設(shè)設(shè)置置 itraf管管理理中中心心軟軟 件件 圖 2-1 系統(tǒng)組織結(jié)構(gòu) 2.1.交通事件檢測(cè)軟件交通事件檢測(cè)軟件 2.1.1. 視頻采集模塊視頻采集模塊 視頻采集是將攝像機(jī)的數(shù)據(jù)按照設(shè)定的頻率進(jìn)行采集，以進(jìn)行實(shí)時(shí)處理。 系統(tǒng) 初初始始化化參參數(shù)數(shù) 采采集集攝攝像像頭頭視視頻頻 采采集集錄錄像像視視頻頻 圖 2-2 視頻采集模塊用例圖 1、 初始化軟件運(yùn)行參數(shù)； 2、 提供從前端攝像頭采集數(shù)字視頻到內(nèi)存服務(wù)； 3、 提供從視頻錄像文件采集數(shù)字視頻到內(nèi)存服務(wù)。 itraf

8、 智能交通系統(tǒng) 7 / 67 2.1.2. 預(yù)處理模塊預(yù)處理模塊 預(yù)處理包括背景獲取與更新和陰影控制（去除噪聲和陰影） ，以及高斯濾波， 圖像銳化和增強(qiáng)，特別針對(duì)夜間的“浮雕”預(yù)處理，可以將車燈光去掉。 系統(tǒng) 晝夜判斷 獲取背景圖像 陰影控制 圖像增強(qiáng) 車燈分離 圖 2-3 預(yù)處理模塊用例圖 1、 對(duì)采集到的視頻進(jìn)行采集時(shí)段（白天或夜間）判斷； 2、 提供白天、夜間兩種視頻幀預(yù)處理模式； 3、 視頻背景圖像獲取與更新； 4、 陰影控制（去除噪聲和陰影） ； 5、 高斯濾波，進(jìn)行圖像銳化和增強(qiáng)； 6、 針對(duì)夜間的“浮雕”預(yù)處理，可以將車燈光去掉。 2.1.3. 車輛檢測(cè)模塊車輛檢測(cè)模塊 車輛檢測(cè)

9、包括車輛矩形提取（特征計(jì)算、模式匹配、矩形提取） 、車輛分割 和合并（將連在一起的不同目標(biāo)分開(kāi)，將屬于同一輛車的不同部分合并） 系統(tǒng) 車輛矩形提取 車輛分割合并 圖 2-4 車輛檢查模塊用例圖 1、 車輛矩形提取（特征計(jì)算、模式匹配、矩形提取） ； itraf 智能交通系統(tǒng) 8 / 67 2、 車輛分割和合并（將連在一起的不同目標(biāo)分開(kāi)，將屬于同一輛車的不同部 分合并） 。 2.1.4. 車輛跟蹤模塊車輛跟蹤模塊 采用卡而曼慮波，對(duì)目標(biāo)先進(jìn)行運(yùn)動(dòng)估計(jì)，后再尋找匹配目標(biāo)。利用車輛 跟蹤可繪制車輛的軌跡圖像，據(jù)此可進(jìn)行碰撞預(yù)測(cè)（利用隱馬爾可夫 hmm 模 型結(jié)合直線擬合預(yù)測(cè)可能出現(xiàn)的交通事故） 。

10、系統(tǒng) 運(yùn)動(dòng)估計(jì) 繪制軌跡 直線擬合預(yù)測(cè) 圖 2-5 車輛跟蹤模塊用例圖 1、 要采用卡而曼慮波，對(duì)目標(biāo)先進(jìn)行運(yùn)動(dòng)估計(jì)，后再尋找匹配目標(biāo)； 2、 利用車輛跟蹤繪制車輛的軌跡圖像，據(jù)此進(jìn)行碰撞預(yù)測(cè)； 3、 利用隱馬爾可夫 hmm 模型結(jié)合直線擬合預(yù)測(cè)可能出現(xiàn)的交通事故。 2.1.5. 車輛運(yùn)動(dòng)信息提取模塊車輛運(yùn)動(dòng)信息提取模塊 在車輛跟蹤的基礎(chǔ)上，對(duì)車輛的運(yùn)動(dòng)軌跡以及車速進(jìn)行估計(jì)。并根據(jù)運(yùn)動(dòng) 軌跡，進(jìn)行碰撞預(yù)測(cè)。 系統(tǒng) 軌跡直線擬合 車速估計(jì) 碰撞預(yù)測(cè) 圖 2-6 車輛運(yùn)動(dòng)信息提取模塊用例圖 1、 軌跡直線擬合； itraf 智能交通系統(tǒng) 9 / 67 2、 車速估計(jì)； 3、 碰撞預(yù)測(cè)。 2.1.6

11、. 交通事件檢測(cè)模塊交通事件檢測(cè)模塊 將各種信息（諸如每輛車的信息、平均車速、是否擁擠、是否發(fā)生交通事 故、天氣狀況、車道變換統(tǒng)計(jì)、以及車道占有率等）不但顯示在客戶端還要分 類實(shí)時(shí)或定時(shí)發(fā)送到服務(wù)端，以供決策者進(jìn)行決策指揮和研究者進(jìn)行交通狀況 研究。 顯示過(guò)往車輛信息 顯示過(guò)往車輛數(shù) 交通流量的檢測(cè) 慢行車輛識(shí)別與統(tǒng)計(jì) 停車車輛識(shí)別與統(tǒng)計(jì) 快行車輛識(shí)別與統(tǒng)計(jì) 車輛型號(hào)識(shí)別與統(tǒng)計(jì) 逆向車輛識(shí)別與統(tǒng)計(jì) 系統(tǒng) 車道占有率檢測(cè)與統(tǒng)計(jì) 交通擁擠識(shí)別 車道變換車輛識(shí)別與統(tǒng)計(jì) 能見(jiàn)度的檢測(cè) 平均車速檢測(cè)與統(tǒng)計(jì) 交通事件位置識(shí)別與統(tǒng)計(jì) 雪雨天氣檢測(cè) 系統(tǒng) 圖 2-7 交通事件檢測(cè)模塊用例圖 1、 顯示過(guò)往車輛

12、信息； 2、 顯示過(guò)往車輛數(shù)； 3、 交通流量的檢測(cè)； 4、 停車車輛的識(shí)別與統(tǒng)計(jì)； 5、 慢行車輛的識(shí)別與統(tǒng)計(jì)； 6、 快行車輛的識(shí)別與統(tǒng)計(jì)（是否超速） ； 7、 車輛型號(hào)的識(shí)別與統(tǒng)計(jì)（是否在正確的車道上行使） ； 8、 逆向車輛的識(shí)別與統(tǒng)計(jì)（違章駕駛） ； 9、 平均車速檢測(cè)與統(tǒng)計(jì)（路況是否暢通） ； 10、 車道占有率檢測(cè)與統(tǒng)計(jì)（可擴(kuò)展功能） ； itraf 智能交通系統(tǒng) 10 / 67 11、 車道變換車輛的識(shí)別與統(tǒng)計(jì)（可擴(kuò)展其功能） ； 12、 交通擁擠的識(shí)別； 13、 交通事件類型的識(shí)別與統(tǒng)計(jì)；（把事件分細(xì)） ； 14、 交通事件位置的識(shí)別與統(tǒng)計(jì)； 15、 能見(jiàn)度的檢測(cè)； 16、

13、雪、雨天氣的檢測(cè)； 17、 顯示交通狀況。 2.1.7. 參數(shù)設(shè)置模塊參數(shù)設(shè)置模塊 主要是設(shè)定系統(tǒng)工作所需要的參數(shù)：視頻源，圖像文件和視頻錄像的存放 位置，背景更新的時(shí)間，提取背景所用的幀數(shù)，陰影去除相關(guān)參數(shù)，灰度二值 化閾值，車道線標(biāo)定，車型界限設(shè)定，車速檢測(cè)線標(biāo)定等。 輸入源設(shè)置 陰影消除設(shè)置 車道線設(shè)置和校準(zhǔn) 圖像存儲(chǔ)路徑設(shè)置 背景保存 二值化閾值設(shè)置 檢測(cè)區(qū)設(shè)置 背景更新時(shí)間設(shè)置 管理員 虛擬檢測(cè)線設(shè)置 交通事件相關(guān)參數(shù)設(shè)定 運(yùn)行暫停 查看差分圖像 車型設(shè)置 查看軌跡圖像 查看二值化圖像管理員 背景差分選擇 查看閉圖像 查看車道線 形態(tài)濾波選擇 圖 2-8 參數(shù)設(shè)置模塊用例圖 1、 輸

14、入源設(shè)置； 2、 圖像存儲(chǔ)路徑設(shè)置； 3、 車道線設(shè)置和校準(zhǔn)； 4、 檢測(cè)區(qū)設(shè)置； 5、 背景保存； 6、 背景更新時(shí)間設(shè)置； 7、 陰影消除設(shè)置； itraf 智能交通系統(tǒng) 11 / 67 8、 二值化閾值設(shè)置； 9、 車型設(shè)置； 10、 虛擬檢測(cè)線設(shè)置； 11、 運(yùn)行暫停； 12、 交通事件相關(guān)參數(shù)設(shè)定； 13、 查看軌跡圖像； 14、 查看差分圖像； 15、 查看二值化圖像； 16、 查看閉圖像； 17、 查看車道線； 18、 背景差分選擇； 19、 形態(tài)濾波選擇； 20、 存儲(chǔ)錄像設(shè)定。 2.1.8. 網(wǎng)絡(luò)管理模塊網(wǎng)絡(luò)管理模塊 與管理中心通訊，提供參數(shù)遠(yuǎn)程設(shè)置功能。 輸入源設(shè)置 形態(tài)濾

15、波選擇 二值化閾值設(shè)置 陰影消除設(shè)置 運(yùn)行暫停 帳號(hào)密碼設(shè)置 車型設(shè)置 背景差分選擇 管理員 背景更新時(shí)間設(shè)置 交通事件相關(guān)參數(shù)設(shè)定 itraf 智能交通系統(tǒng) 12 / 67 圖 2-9 網(wǎng)絡(luò)管理模塊用例圖 1、 輸入源設(shè)置； 2、 背景更新時(shí)間設(shè)置； 3、 陰影消除設(shè)置； 4、 二值化閾值設(shè)置； 5、 車型設(shè)置； 6、 運(yùn)行暫停； 7、 交通事件相關(guān)參數(shù)設(shè)定； 8、 背景差分選擇； 9、 形態(tài)濾波選擇； 10、 遠(yuǎn)程連接帳號(hào)密碼設(shè)置。 2.2.管理中心軟件管理中心軟件 2.2.1. 交通事件集中存儲(chǔ)檢索模塊交通事件集中存儲(chǔ)檢索模塊 交通事件檢索 獲取前端交通事件 系統(tǒng) 圖 2-10 交通事件

16、集中存儲(chǔ)檢索模塊用例圖 1、與前端車輛事件檢測(cè)軟件通訊，獲取前端交通事件（交通流量、停車車輛數(shù)、 慢行車輛數(shù)、快行車輛數(shù)、通行車輛的型號(hào)、逆向車輛數(shù)、平均車速、車 道占有率、車道變換車輛數(shù)、交通擁擠情況、天氣狀況） ； 2、提供前端交通事件檢索服務(wù)。 itraf 智能交通系統(tǒng) 13 / 67 2.2.2. 報(bào)警管理模塊報(bào)警管理模塊 查看報(bào)警日志 設(shè)置報(bào)警聯(lián)動(dòng) 管理員 管理報(bào)警日志 系統(tǒng) 逆行車輛報(bào)警 車輛變道報(bào)警 車輛碰撞報(bào)警 交通擁擠報(bào)警 停車報(bào)警 圖 2-11 報(bào)警管理模塊用例圖 1、 當(dāng)出現(xiàn)交通擁擠時(shí)，觸發(fā)報(bào)警； 2、 當(dāng)出現(xiàn)逆向行駛車輛時(shí)，觸發(fā)報(bào)警； 3、 當(dāng)出現(xiàn)車輛碰撞時(shí)，觸發(fā)報(bào)警；

17、 4、 當(dāng)一定時(shí)間內(nèi)停車車輛數(shù)超過(guò)預(yù)先設(shè)置的最大值，觸發(fā)報(bào)警； 5、 當(dāng)一定時(shí)間內(nèi)變道車輛數(shù)超過(guò)預(yù)先設(shè)置的最大值，觸發(fā)報(bào)警； 6、 用戶可設(shè)置報(bào)警聯(lián)動(dòng)動(dòng)作，包括聲光提示、短信發(fā)送、語(yǔ)音等； 7、 用戶可查看管理報(bào)警日志。 2.2.3. 交通事件統(tǒng)計(jì)模塊交通事件統(tǒng)計(jì)模塊 查看變道數(shù)報(bào)告 管理員 查看車輛數(shù)報(bào)告 交通擁擠時(shí)間統(tǒng)計(jì) 實(shí)時(shí)交通擁擠事件報(bào)告 查看車型統(tǒng)計(jì)報(bào)告 事故類型位置統(tǒng)計(jì) itraf 智能交通系統(tǒng) 14 / 67 圖 2-12 交通事件統(tǒng)計(jì)模塊用例圖 1、 報(bào)告一天內(nèi)各點(diǎn)及總體車輛數(shù)； 2、 報(bào)告一天內(nèi)各點(diǎn)及總體的大、小型車輛數(shù)； 3、 報(bào)告一天內(nèi)各點(diǎn)及總體的變化車道統(tǒng)計(jì)數(shù)據(jù)； 4、

18、 報(bào)告一天內(nèi)各點(diǎn)及總體的事故類型及次數(shù)（碰撞、異常滯留、擁擠） ； 5、 報(bào)告一天內(nèi)各點(diǎn)及總體的交通擁擠、故障持續(xù)時(shí)間； 6、 實(shí)時(shí)的交通擁擠、事故報(bào)告。 2.2.4. 用戶管理模塊用戶管理模塊 管理員 用戶添加刪除 操作日志管理 帳號(hào)密碼設(shè)置 權(quán)限配置 圖 2-13 用戶管理模塊用例圖 1、 用戶帳號(hào)密碼設(shè)置； 2、 用戶權(quán)限配置； 3、 用戶添加刪除設(shè)置； 4、 用戶操作日志管理。 2.2.5. 交通管理部門接口交通管理部門接口 itraf 智能交通系統(tǒng) 15 / 67 圖 2-14 交通管理部門接口用例圖 1、 定時(shí)將各道路交通順暢程度匯集成文本信息，發(fā)送給交通管理部門； 2、 將交通事

19、件分類匯總，按事件嚴(yán)重程度的優(yōu)先級(jí)，先后向交通管理部門報(bào) 警； 3、 將發(fā)生交通事件前后的視頻錄制保存，為交通管理部門的工作提供依據(jù)； 4、 交通管理部門對(duì)收到的警報(bào)做出響應(yīng)操作； 5、 交通管理部門可以隨時(shí)了解各路段的交通信息； 2.2.6. 交警巡邏車接口交警巡邏車接口 管理者 事件類型設(shè)置 安排事件發(fā)送 接收事件通知 交警 圖 2-15 交警巡邏車接口用例圖 1.將交通事件分類匯總，按事件嚴(yán)重程度的優(yōu)先級(jí)，先后發(fā)送給交警巡邏車； 2.交通管理部門對(duì)收到的警報(bào)做出響應(yīng)操作，并以就近原則趕往現(xiàn)場(chǎng)； 3.交通巡邏車可以隨時(shí)了解各路段的交通信息； 2.2.7. 語(yǔ)音接口語(yǔ)音接口 管理員 事件類型

20、設(shè)置 廣播時(shí)間設(shè)置 收聽(tīng)交通廣播 司機(jī) 圖 2-16 語(yǔ)音接口用例圖 1.將交通事件匯集成文本信息； itraf 智能交通系統(tǒng) 16 / 67 2.定時(shí)將各道路交通順暢程度匯集成文本信息； 3.采用語(yǔ)音庫(kù)將文本信息轉(zhuǎn)化成語(yǔ)音，并輸入語(yǔ)音系統(tǒng)； 4.可定時(shí)進(jìn)行，也可以事件觸發(fā)； 5.司機(jī)可以收聽(tīng)到交通。 2.2.8. 短信發(fā)送接口短信發(fā)送接口 管理員 管理訂閱用戶 設(shè)置發(fā)送事件 訂閱交通短信通 司機(jī) 收看交通短信 圖 2-17 短信發(fā)送接口用例圖 1、 添加刪除訂閱交通短信通用戶及其手機(jī)號(hào)； 2、 將道路擁擠信息發(fā)送到用戶。 3. 界面設(shè)計(jì)要求界面設(shè)計(jì)要求 用戶界面采用 windows 風(fēng)格，便

21、于用戶進(jìn)行操作。在界面設(shè)計(jì)方面，采用 微軟的最新技術(shù) wpf 來(lái)負(fù)責(zé)整個(gè)系統(tǒng)的界面設(shè)計(jì)。 wpf 的全稱是 windows presentation foundation，是微軟新發(fā)布的 vista 操 作系統(tǒng)的三大核心開(kāi)發(fā)庫(kù)之一，其主要負(fù)責(zé)的是圖形顯示，所以叫 presentation（呈現(xiàn)） 。 作為新的圖形引擎，wpf 是基于 directx 的，當(dāng)然增加 了很多新的功能。其 2d 和 3d 引擎的強(qiáng)大看看 vista 的界面就明白了，再加上 其對(duì) aero 圖形引擎的支持，更加讓你感到神奇。順便提一下，aero 是專門為 3d 桌面開(kāi)發(fā)的引擎，可以讓桌面實(shí)現(xiàn)神奇的 3d 翻轉(zhuǎn)，這絕對(duì)是

22、操作系統(tǒng)有史 以來(lái)的一次神奇嘗試，雖然對(duì)硬件配置的要求也是驚人的。 wpf 其實(shí)不僅僅是圖形引擎而已，它將給 windows 應(yīng)用程序的開(kāi)發(fā)帶來(lái) 一次革命，因?yàn)樾碌募軜?gòu)提供了一種全新的開(kāi)發(fā)模式。當(dāng)然對(duì)于普通用戶而言， itraf 智能交通系統(tǒng) 17 / 67 最直觀的就是界面越來(lái)越漂亮，看起來(lái)越來(lái)越舒服了；但對(duì)于開(kāi)發(fā)人員而言， 界面顯示和代碼將更好的得到分離，這與從前的桌面應(yīng)用程序開(kāi)發(fā)有很多不同 （界面設(shè)置和代碼是融合在一起的） ，這是比較具有革命性的改變之一。還有就 是桌面應(yīng)用程序和瀏覽器應(yīng)用程序的融合，根據(jù) ms 的承諾，正在開(kāi)發(fā)中的 wpf/e，即 wpf everywhere 版本，將

23、為基于 wpf 的應(yīng)用程序提供全面的瀏覽 器支持，這意味著未來(lái)開(kāi)發(fā)出的應(yīng)用程序?qū)⒖梢曰跒g覽器在不同的操作系統(tǒng) 上運(yùn)行，當(dāng)然由于目前還在開(kāi)發(fā)中，我們并不確定會(huì)不會(huì)有一定的限制，根據(jù) wpf/e 開(kāi)發(fā)組的定義，wpf/e 仍然是 wpf 的子集，而不是后繼版本。總體而 言，wpf 的前景應(yīng)該是一片光明。 用戶界面設(shè)計(jì)規(guī)則 1、 尺寸 在合理的布局下盡可能多的顯示控件內(nèi)的內(nèi)容。 2、 布局 按照操作流程或?yàn)g覽順序自左至右、由上而下的排放各種控件，使界面整 體協(xié)調(diào)、美觀大方。 3、 自適應(yīng)父對(duì)象的尺寸改變 控件應(yīng)具有自適應(yīng)父對(duì)象的尺寸改變的能力，當(dāng)父對(duì)象的尺寸發(fā)生變化時(shí)， 控件應(yīng)能自動(dòng)改變自己的尺寸

24、并使界面保持整體協(xié)調(diào)，盡量減少因父對(duì)象的尺 寸改變而帶來(lái)的操作或?yàn)g覽上的不便。 4. 核心算法設(shè)計(jì)核心算法設(shè)計(jì) 4.1.運(yùn)動(dòng)車輛檢測(cè)運(yùn)動(dòng)車輛檢測(cè) 4.1.1. 運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè) 運(yùn)動(dòng)車輛檢測(cè)算法是基于圖像分析的高速公路事件自動(dòng)檢測(cè)系統(tǒng)的關(guān)鍵部 分。本系統(tǒng)采用背景差分的方法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。 背景差分法就是對(duì)當(dāng)前幀圖像與背景幀圖像進(jìn)行差分，這是最常用的方法， itraf 智能交通系統(tǒng) 18 / 67 運(yùn)動(dòng)車輛和暫時(shí)停止的車輛都可以檢測(cè)，因此適用于攝像機(jī)靜止的情形。它首 先為圖像序列建立背景模型，提取不含運(yùn)動(dòng)目標(biāo)的參考背景，通過(guò)將當(dāng)前圖像 幀和參考背景進(jìn)行比較，確定出亮度變化較大的區(qū)域，即

25、認(rèn)為是前景區(qū)域。這 種方法的計(jì)算速度很快，可以獲得關(guān)于運(yùn)動(dòng)目標(biāo)區(qū)域的完整精確的描述，但對(duì) 場(chǎng)景中光照條件、大面積運(yùn)動(dòng)和噪聲比較敏感，在實(shí)際應(yīng)用中需采用一定的算 法進(jìn)行背景模型的動(dòng)態(tài)更新，以適應(yīng)環(huán)境的變化。 4.1.2. 背景模型背景模型 背景差分法在提取運(yùn)動(dòng)目標(biāo)時(shí)假設(shè)圖像序列的背景是固定不變的，因而它 能十分有效地檢測(cè)出快速和緩慢運(yùn)動(dòng)、甚至是靜止的非背景的目標(biāo)。但是這種 方法對(duì)背景的變化比較敏感，當(dāng)背景光照發(fā)生變化時(shí)，如果不能及時(shí)地更新背 景圖像將產(chǎn)生錯(cuò)誤的檢測(cè)結(jié)果，因此對(duì)于長(zhǎng)時(shí)間的目標(biāo)檢測(cè)來(lái)說(shuō)，背景的光照 必然是隨時(shí)間變化的，必須采用自適應(yīng)地背景更新的方法。 在高速公路監(jiān)控圖像中，通過(guò)標(biāo)定場(chǎng)

26、景路面圖像作為圖像處理區(qū)域，其背 景圖像簡(jiǎn)單，而且每個(gè)背景點(diǎn)上的顏色分布比較集中。本系統(tǒng)采用運(yùn)算速度快、 性能較好的統(tǒng)計(jì)學(xué)背景模型序列均值法。 （5-1） ,1,(1), 1 , 0 ( , )( , ),( , ),.( , ) 1 ( , ) t ct ctctnc n i c i bx ymean ix y ix yix y ix y n 其中 cr，g，b。雖然路面上有車輛通過(guò)，但是只要統(tǒng)計(jì)的時(shí)間足夠長(zhǎng) 總能得到比較好的背景圖像。圖 3-1 是實(shí)驗(yàn)中提取的背景。 在圖 4-1 中，上左圖為視頻圖像；上右圖為視頻圖像 50 幀的均值結(jié)果，由 于訓(xùn)練的幀數(shù)過(guò)小，在提取的背景圖像上有目標(biāo)車輛

27、的殘留痕跡；下左圖為視 頻圖像 200 幀的均值結(jié)果，訓(xùn)練幀數(shù)適中，提取的背景圖像平滑接近實(shí)際背景； 下右圖為視頻圖像 700 幀的均值結(jié)果，提取的背景更接近于實(shí)際背景，比起下 左背景改善很小，但運(yùn)算時(shí)間卻花費(fèi)過(guò)多。由圖可見(jiàn)，背景圖像提取過(guò)程中， 訓(xùn)練幀數(shù)需適中，一般 200300 幀即可。 itraf 智能交通系統(tǒng) 19 / 67 圖 4-1 背景提取比較圖 4.1.3. 車輛檢測(cè)車輛檢測(cè) 4.1.3.1.差分模型差分模型 傳統(tǒng)的背景差分法都采用背景圖像與當(dāng)前幀圖像的灰度差值來(lái)實(shí)現(xiàn)，但是 可利用的信息太少，當(dāng)車輛與路面背景的灰度值非常接近的時(shí)候，檢測(cè)出的車 輛目標(biāo)區(qū)域會(huì)出現(xiàn)大片的空洞或破裂，

28、甚至漏檢。為克服此問(wèn)題我們對(duì)采集的 大量視頻圖像進(jìn)行了觀察和分析，發(fā)現(xiàn)物體與背景灰度相同的區(qū)域，其顏色一 般不會(huì)相同，因此采用如下彩色圖像差值模型： （5-2） , , ( , )max(|( , )( , )|,|( , )( , )|, |( , )( , )|) tt rt rt gt g t bt b d x yix ybx yix ybx y ix ybx y itraf 智能交通系統(tǒng) 20 / 67 圖 4-2 上圖為本系統(tǒng)差分模型得到的車輛檢測(cè)圖；圖 4-2 下圖為對(duì)應(yīng)的圖 像灰度值相差的車輛檢測(cè)圖。由圖可以看出，本系統(tǒng)差分模型得到的車輛檢測(cè) 圖比較完整，空洞或者破裂的現(xiàn)象較少。

29、 圖 4-2 差分模型比較 4.1.3.2.陰影抑制陰影抑制 通過(guò)觀察發(fā)現(xiàn)，經(jīng)過(guò)上述方法分割出的車輛，在大部分情況下是存在陰影 影響的，這樣就會(huì)使分割出來(lái)的車輛面積比實(shí)際的大，甚至有可能造成兩個(gè)或 多個(gè)車輛由于陰影而相互粘連在一起，若以此作為后續(xù)工作的依據(jù)，則勢(shì)必會(huì) itraf 智能交通系統(tǒng) 21 / 67 造成誤差，甚至錯(cuò)誤。 通常的運(yùn)動(dòng)目標(biāo)檢測(cè)方法都無(wú)法直接區(qū)分運(yùn)動(dòng)目標(biāo)和陰影，因?yàn)殛幱安糠?與運(yùn)動(dòng)目標(biāo)部分具有某些相似的視覺(jué)特征，這就給陰影檢測(cè)帶來(lái)困難。由于在 rgb 空間中，人的感知差別和計(jì)算差別的一致性較差，因此提出了很多顏色空 間，如：歸一化 rgb，hsv(hue，saturatio

30、n，value)，c1c2c3 及 l1l2l3error! reference source not found.。這些顏色空間可以很好地體現(xiàn)顏色 的一致性。但是對(duì)于歸一化 rgb 顏色空間，由于它在黑色(r=g=b=0)上沒(méi)有定 義，因此在黑色附近很不穩(wěn)定。對(duì)于 hsv 空間，當(dāng) rgb 三個(gè)分量相等時(shí) hue 沒(méi)有定義。所以在這些顏色不變性彩色空間中，本系統(tǒng)采用了 c1c2c3 模型， 其顏色空間定義如下： 1 ( , ) ( , )arctan max( ( , ), ( , ) r x y c x y g x y b x y （5- 3） , （5- 2 ( , ) ( , )arc

31、tan max( ( , ), ( , ) g x y c x y b x y r x y 4） 3 ( , ) ( , )arctan max( ( , ),( , ) b x y c x y r x y g x y （5-5） 其中 r(x，y)， g(x，y)， b(x，y)分別表示像素的 rgb 三個(gè)顏色分量。 由陰影的性質(zhì)可知，陰影點(diǎn)比對(duì)應(yīng)位置背景像素點(diǎn)的亮度要低而顏色不變。定 義： （5-6） ( , )( , )( , ) bi d x ylx yl x y 其中，分別表示背景與當(dāng)前圖像的亮度值，計(jì)算方法： ( , ) b lx y( , ) i l x y （5-7） rgb

32、l(x,y)=0.299*i (x,y) + 0.587*i (x,y) + 0.114*i (x,y) 在理想的情況下，陰影點(diǎn)必有。但是由于噪聲的存在，我們給 ( , )0d x y 定一個(gè)閥值 tl，即變?yōu)椤榱双@得更好的魯棒性，我們以點(diǎn)(x，y) ( , ) l d x yt itraf 智能交通系統(tǒng) 22 / 67 為中心的小窗口 (2n1)(2m1）的亮度總差值來(lái)代替點(diǎn)(x，y)的亮度差，即： （5-8） * 1 ( , )(,) (21)(21) nm in im dx yd xi yj nm 當(dāng)亮度差值小于 tl 的像素點(diǎn)位置(x，y)就可以被當(dāng)作候選陰影點(diǎn)。 在陰影顏色不變性上

33、，本系統(tǒng)考慮 c1c2c3 差值，其定義為： （5- 11 1( , ) | ( , )( , )| cc d x yix ybx y 9） （5-10） 22 2( , ) | ( , )( , )| cc dx yix ybx y （5-11） 33 3( , ) | ( , )( , )| cc dx yix ybx y 當(dāng) ditmppointtrobj-globali.inum+(其中 ctrackobject* trobj = tracklist.getat(tracklist.findindex(i)，是一個(gè)跟蹤目標(biāo))，如果前后兩幀所在的檢 測(cè)線不是一樣的，還要判斷新的檢測(cè)線是否

34、在當(dāng)前檢測(cè)線之前，如果是表示車 輛目標(biāo)尚不穩(wěn)定，對(duì)當(dāng)前車輛目標(biāo)的檢測(cè)點(diǎn)進(jìn)行初始化處理；反之判斷 trobj- tmppointtrobj-globali.inum 是否大于等于 3，是則表示車輛已經(jīng)穩(wěn)定地進(jìn)入 了新的檢測(cè)線，對(duì) globali 進(jìn)行加 1，然后記錄新的檢測(cè)點(diǎn)的信息。結(jié)束掃面當(dāng) 前目標(biāo)的時(shí)候，還要判斷當(dāng)前幀該車輛目標(biāo)與當(dāng)前檢測(cè)點(diǎn)的差值的絕對(duì)值是否 變小，如果是則還需要更新檢測(cè)點(diǎn)信息。這一過(guò)程可用圖 4-18 表示。 itraf 智能交通系統(tǒng) 40 / 67 圖 4-18 車輛目標(biāo)經(jīng)過(guò)檢測(cè)點(diǎn)時(shí)的算法流程 當(dāng)車輛穩(wěn)定經(jīng)過(guò)最后一個(gè)檢測(cè)線時(shí)，就可以根據(jù)所有記錄的檢測(cè)點(diǎn)信息進(jìn) 行車速計(jì)算了

35、，具體過(guò)程如下：首先判斷經(jīng)過(guò)檢測(cè)點(diǎn)的個(gè)數(shù)（globali）是否大 于等于 2，少于兩個(gè)點(diǎn)是不可能進(jìn)行車速計(jì)算的，這種情況一般發(fā)生在由于噪 聲而產(chǎn)生的非車輛目標(biāo)。然后對(duì)這些檢測(cè)點(diǎn)按照差值大小從小到大進(jìn)行排序， 并統(tǒng)計(jì)差值為零的點(diǎn)的個(gè)數(shù)（差值為零表明目標(biāo)很精確地駛?cè)朐摍z測(cè)線，如果 有兩個(gè)這樣的檢測(cè)點(diǎn)，那么計(jì)算出來(lái)的速度就是準(zhǔn)確的，理論上是沒(méi)有誤差的） ， 然后就選擇差值最小的兩個(gè)檢測(cè)點(diǎn)，如果有差值相同的檢測(cè)點(diǎn)，則選擇距離攝 像頭最近的兩個(gè)點(diǎn)進(jìn)行距離的計(jì)算（m_distance = abs( trobj-pointsl.line - trobj-pointsh.line ) * m_vdistanc

36、e，其中 m_vdistance 是相鄰兩個(gè)虛擬檢測(cè)線 的實(shí)際距離） ，如果入選的兩個(gè)檢測(cè)點(diǎn)的差值過(guò)大則需要對(duì)這個(gè)距離進(jìn)行修正， 修正系數(shù)可以根據(jù)本文提到的圖像逐行計(jì)算方法計(jì)算得出。 itraf 智能交通系統(tǒng) 41 / 67 4.4.3. 事件檢測(cè)事件檢測(cè) 道路交通事故，是指車輛駕駛?cè)藛T、行人、乘車人以及其它在道路上進(jìn)行 與交通有關(guān)活動(dòng)的人員，因違反中華人民共和國(guó)道路交通管理?xiàng)l例和其它 道路交通管理法規(guī)、規(guī)章的行為(簡(jiǎn)稱違章行為） ，過(guò)失造成人身傷亡或者財(cái)產(chǎn) 損失的事故。 本系統(tǒng)中檢測(cè)交通事故是在建立目標(biāo)跟蹤和估計(jì)出車速之后，下一步就可 以根據(jù)這兩個(gè)參量進(jìn)行事件的判定。通過(guò)研究發(fā)現(xiàn)，一般情況下

37、交通事件（比 如撞車，堵塞，或者其它影響交通暢行的事件）發(fā)生時(shí)，檢測(cè)區(qū)域一般表現(xiàn)為： 車輛數(shù)增加，車輛的平均速度很小甚至為零，車距較小，車道占有率明顯上升 等。在本系統(tǒng)中只選擇車輛數(shù)和車輛平均速度兩個(gè)參量作為判定標(biāo)準(zhǔn)，因?yàn)檫@ 兩個(gè)參數(shù)的誤差相對(duì)較小，很有參考價(jià)值，而其它的參量誤差比較大，選取也 沒(méi)有太大的參考價(jià)值，只能增加算法的復(fù)雜度和機(jī)器的處理時(shí)間。 設(shè)置四個(gè)判定參數(shù)閾值：m_yjvnum（交通擁擠時(shí)檢測(cè)區(qū)域的車輛數(shù)， m_zsvnum（交通阻塞時(shí)檢測(cè)區(qū)域的車輛數(shù)）m_yjspeed（交通擁擠時(shí)檢測(cè)區(qū) 域的平均速度）m_zsspeed（交通阻塞時(shí)檢測(cè)區(qū)域的平均速度） 。 itraf 智能交通

38、系統(tǒng) 42 / 67 圖 4-19 交通阻塞檢測(cè)流程圖 4.4.3.1.交通阻塞檢測(cè)交通阻塞檢測(cè) 交通阻塞是指道路上因發(fā)生交通事故或者前方道路不同而造成車輛滯流， 大量車輛長(zhǎng)時(shí)間停留在原地，造成交通堵塞，這種情況會(huì)嚴(yán)重影響人民生活的 便利。 當(dāng)高速公路上出現(xiàn)交通阻塞的情況，可以表現(xiàn)為車輛行駛緩慢或者車輛數(shù) 較多。當(dāng)車輛數(shù)量較多時(shí)，比較難以準(zhǔn)確的檢測(cè)分割出車輛，在本系統(tǒng)中用了 一種近似的檢測(cè)方法。當(dāng)檢測(cè)到車輛目標(biāo)區(qū)域與檢測(cè)區(qū)域的比例超過(guò)預(yù)設(shè)閥值 itraf 智能交通系統(tǒng) 43 / 67 即認(rèn)為發(fā)生了交通阻塞。 在上圖中，從進(jìn)入點(diǎn)開(kāi)始，如果四個(gè)判定條件都滿足，即檢測(cè)區(qū)域的車輛 數(shù)大于交通阻塞時(shí)檢測(cè)

39、區(qū)域的車輛數(shù) m_zsvnum，平均速度小于交通阻塞時(shí)檢 測(cè)區(qū)域的平均速度 m_zsspeed。 4.4.3.2.交通擁擠檢測(cè)交通擁擠檢測(cè) 交通擁擠和交通阻塞類似，只是交通擁擠的時(shí)候車輛比較多，交通流可能 比較緩慢，也可能比較流暢，發(fā)生交通擁擠的時(shí)刻，路面的交通沒(méi)有受到太大 的影響，但是一旦有交通擁擠就很容易發(fā)展成為交通阻塞，因?yàn)橹灰幸粋€(gè)車 道出校停車或者行動(dòng)遲緩的車輛，那么整個(gè)交通干線就會(huì)受阻。因此檢測(cè)交通 擁擠可以有效預(yù)防交通滯流，可以事先對(duì)擁擠之后所發(fā)生的交通狀況進(jìn)行預(yù)估 和提早做出疏導(dǎo)決策。 交通擁擠的判斷標(biāo)準(zhǔn)有兩個(gè)，一個(gè)是當(dāng)前視頻檢測(cè)圖像上車輛數(shù)目比正常 情況下明顯增多，超過(guò)設(shè)定門

40、限值；另一個(gè)就是整個(gè)圖像上車輛的平均速度明 顯偏低，達(dá)到一定的限度，這個(gè)限值也是事先設(shè)定好了的。這兩個(gè)條件同時(shí)滿 足，才能判定當(dāng)前狀況為交通擁擠，如果有一個(gè)不滿足，則不能判定為擁擠。 在上圖中，如果檢測(cè)區(qū)域車輛數(shù)大于交通擁擠時(shí)檢測(cè)區(qū)域的車輛數(shù) m_yjvnum 而小于交通阻塞時(shí)檢測(cè)區(qū)域的車輛數(shù) m_zsvnum，那么就可以認(rèn)為 當(dāng)前路況為擁擠。 4.4.3.3.交通流量統(tǒng)計(jì)交通流量統(tǒng)計(jì) 車流量統(tǒng)計(jì)分為幾種情況： 出入口統(tǒng)計(jì)量，即全部路網(wǎng)所有收費(fèi)站在特定時(shí)間段內(nèi)的出、入車輛數(shù)。 橫截面統(tǒng)計(jì)量，即尋找一個(gè)或幾個(gè)交通量較為平均的路段，在特定時(shí)間段 內(nèi)計(jì)算通過(guò)車輛數(shù)，分為上行和下行數(shù)。 目前國(guó)外還有電

41、子統(tǒng)計(jì)，平均 1-3 公里有一個(gè)橫截面電子感應(yīng)器，用來(lái)統(tǒng) 計(jì)路網(wǎng)通過(guò)數(shù)量，同時(shí)監(jiān)控堵車情況，如果兩個(gè)感應(yīng)器之間在幾分鐘之內(nèi)數(shù)量 itraf 智能交通系統(tǒng) 44 / 67 變得非常不均衡（即堵車或事故） ，就會(huì)報(bào)警。 去除車影分割出不同車輛之后，在二值圖像的檢測(cè)區(qū)域中，設(shè)第 j 列的白 像素個(gè)數(shù)為 mj，如果 mj5，此列可能為車輛列，反之可能為空隙列，三個(gè)以 上連續(xù)的空隙列作為一個(gè)空隙。如果兩個(gè)空隙之間的白像素區(qū)域面積 ssth， 且其中沒(méi)有 3 行以上的黑像素帶（其中沒(méi)有一個(gè)白像素） ，就認(rèn)為此區(qū)域可能為 一輛車，求它的中心位置的橫坐標(biāo)，反之就是沒(méi)被去除掉的噪聲。 設(shè)定兩個(gè)大小都為 n 的數(shù)

42、組，分別用于保存檢測(cè)區(qū)域中先前各個(gè)車輛的中 心橫坐標(biāo)和當(dāng)前各個(gè)車輛的中心橫坐標(biāo)，將車輛首次出現(xiàn)時(shí)的中心橫坐標(biāo)依次 保存在先前數(shù)組中，下一幀中的車輛中心橫坐標(biāo)保存在當(dāng)前數(shù)組中，進(jìn)行如下 判斷： （1）如果當(dāng)前數(shù)組中的某值與先前數(shù)組中某值的絕對(duì)值差小于一個(gè)閾值， 說(shuō)明當(dāng)前數(shù)組中該值被匹配，將它用當(dāng)前數(shù)組中與之匹配的值取代，如果先前 數(shù)組中的某個(gè)值連續(xù) 3 次或者 3 次以上被匹配，說(shuō)明一輛車通過(guò)，總車數(shù)加 ； （2）如果當(dāng)前數(shù)組中的某個(gè)值連續(xù) 3 次沒(méi)被匹配，說(shuō)明該值對(duì)應(yīng)的車已通 過(guò)，將它從數(shù)組中刪除； （3）如果當(dāng)前數(shù)組中的某個(gè)值在先前數(shù)組中沒(méi)有值與之匹配，說(shuō)明可能出 現(xiàn)了新車，將該值保存在先前

43、數(shù)組的空白位置處，直到 3 次被匹配，總車數(shù)加 。 4.4.3.4.停車車輛檢測(cè)停車車輛檢測(cè) 停車車輛是指車輛速度過(guò)于緩慢，接近零，或者進(jìn)入檢測(cè)區(qū)之后，很長(zhǎng)時(shí) 間都沒(méi)有駛出檢測(cè)區(qū)，這樣的車輛可認(rèn)為是停車車輛。停車在某種程度上會(huì)影 響交通質(zhì)量，特別是在交通繁忙的時(shí)段，如果發(fā)生停車，就會(huì)使得一個(gè)車道不 能暢行。對(duì)于 2 車道的高速公路來(lái)說(shuō)，這是一個(gè)不能容忍的情況，必須及時(shí)處 理，不然就會(huì)造成交通阻塞，甚至更大的交通事故。 要識(shí)別停車車輛，必須使用背景差分的方法，幀差法不能識(shí)別停車和速度 過(guò)慢的車輛。在背景差分之后進(jìn)行車輛目標(biāo)的檢測(cè)和跟蹤，以及速度估計(jì)，當(dāng) itraf 智能交通系統(tǒng) 45 / 67

44、車輛目標(biāo)停止不動(dòng)，并且該車輛目標(biāo)的速度在一定的范圍內(nèi)，那么就能認(rèn)為該 車輛目標(biāo)是停車車輛，對(duì)停車車輛計(jì)數(shù)值加 1，同時(shí)可根據(jù)需求進(jìn)行報(bào)警。 但這只是理論上的方法，在系統(tǒng)中考慮到如果是停車，那么很有可能該車 輛長(zhǎng)時(shí)間不能駛出檢測(cè)線，這樣就難以估算目標(biāo)車輛的速度。因此，在系統(tǒng)中 采用目標(biāo)定位的方法，計(jì)算一段時(shí)間內(nèi)目標(biāo)移動(dòng)了多少距離，如果該目標(biāo)在一 定時(shí)間內(nèi)移動(dòng)的距離接近零，那么就認(rèn)為該目標(biāo)已經(jīng)停靠在了檢測(cè)區(qū)，就應(yīng)該 報(bào)警，通知相關(guān)人員進(jìn)行處理。 4.4.3.5.慢車車輛檢測(cè)慢車車輛檢測(cè) 慢車車輛識(shí)別的原理與停車車輛的識(shí)別基本一樣，只不過(guò)在判斷是否是慢 車車輛的時(shí)候閾值要取的大一些，當(dāng)交通繁忙或者擁

45、擠的時(shí)候，整個(gè)視頻檢測(cè) 圖像上的車輛目標(biāo)的速度都比較慢，也可以據(jù)此來(lái)判斷是否是交通擁擠。 4.4.3.6.車輛變換車道數(shù)統(tǒng)計(jì)車輛變換車道數(shù)統(tǒng)計(jì) 車道線在背景提取出來(lái)之后，由人工設(shè)定，將系統(tǒng)默認(rèn)的車道線與當(dāng)前環(huán) 境的車道線進(jìn)行校準(zhǔn)。判斷車道變換的方法為：每一個(gè)時(shí)刻都要檢測(cè)車輛所在 的車道，通過(guò)車輛目標(biāo)的中心與各車道線進(jìn)行對(duì)比，判定其所在車道，如果一 個(gè)目標(biāo)前一個(gè)時(shí)刻在車道 a，后一時(shí)刻處在車道 b，那么就認(rèn)為當(dāng)前監(jiān)控區(qū)域 有了一次車道變換。考慮到實(shí)際情況：攝像機(jī)圖像抖動(dòng)、殘留陰影、目標(biāo)檢測(cè) 不穩(wěn)定等因素的影響，如果僅僅只算前后兩幀來(lái)判斷車道變換數(shù)，這樣的誤差 就很大，甚至造成嚴(yán)重的錯(cuò)誤。因此，本

46、系統(tǒng)考慮了這一點(diǎn)，采用延遲計(jì)數(shù)和 穩(wěn)定統(tǒng)計(jì)的方法，當(dāng)前 n（本系統(tǒng) n3）幀車輛在車道 a，而后連續(xù) n 幀車 輛處于 b 車道，這時(shí)候才能認(rèn)為該車輛進(jìn)行了一次車道變換。這樣就大大提高 了判斷精度，達(dá)到 90以上。 4.5.能見(jiàn)度和雪、雨的檢測(cè)能見(jiàn)度和雪、雨的檢測(cè) 車輛目標(biāo)的檢測(cè)以及交通流數(shù)據(jù)的提取往往會(huì)受到各種環(huán)境因素的影響而 itraf 智能交通系統(tǒng) 46 / 67 導(dǎo)致圖像識(shí)別錯(cuò)誤，例如：雨霧天氣等，為了消除惡劣天氣對(duì)檢測(cè)結(jié)果的影響， 必須對(duì)惡劣的天氣狀況作圖像增強(qiáng)處理。本課題采用兩種圖像增強(qiáng)方法：局部 直方圖均衡算法為核心的一種基于區(qū)域分割的霧天圖像增強(qiáng)方法和基于色彩恒 常理論的圖像增

47、強(qiáng)方法。 4.5.1. 能見(jiàn)度檢測(cè)能見(jiàn)度檢測(cè) 根據(jù)能見(jiàn)度的判斷可以進(jìn)行夜間的檢測(cè)，如果能見(jiàn)度低于一定的閾值，圖 像上有部分區(qū)域亮度為零（無(wú)路燈）或者大部分區(qū)域亮度低于一定閾值（有路 燈） ，這個(gè)時(shí)候就可以認(rèn)為是夜間，對(duì)夜間的準(zhǔn)確檢測(cè)，有助于系統(tǒng)自動(dòng)切換到 夜間模式。 4.5.2. 局部直方圖均衡局部直方圖均衡 利用以局部直方圖均衡算法為核心的一種基于區(qū)域分割的霧天圖像增強(qiáng)方 法。對(duì)于場(chǎng)景深度信息多變且又未知的霧天圖像，采用局部增強(qiáng)的方法可以在 很大程度上減小場(chǎng)景深度在對(duì)比度增強(qiáng)效果上的影響，從而還原出較清晰的圖 像。其基本思想是將直方圖均衡化運(yùn)算壓縮到圖像的局部區(qū)域，然后遍歷所有 的局部區(qū)域。

48、具體為：首先定義一個(gè)適當(dāng)大小的移動(dòng)子塊，然后在以每個(gè)像素 點(diǎn)為中心的子塊上進(jìn)行直方圖均衡化，處理結(jié)果只取代相應(yīng)子塊中心點(diǎn)的灰度 值。與全局直方圖均衡化相比，局部直方圖均衡化算法僅考慮像素點(diǎn)鄰域的亮 度條件對(duì)該像素點(diǎn)進(jìn)行灰度值變換，從而使輸入圖像的局部信息因?qū)Ρ榷鹊脑?強(qiáng)而突現(xiàn)出來(lái)，但付出了巨大的運(yùn)算代價(jià)，為了彌補(bǔ)這個(gè)不足，本系統(tǒng)采用一 種改進(jìn)的局部直方圖均衡算法，其基本思想為：首先采用基于邊緣檢測(cè)的區(qū)域 分割方法將圖像各平坦區(qū)域提取出來(lái)，避免進(jìn)行圖像增強(qiáng)處理時(shí)造成平坦區(qū)域 噪聲的過(guò)增強(qiáng)，再通過(guò)局部直方圖均衡的方法對(duì)退化圖像的非平坦區(qū)域進(jìn)行增 強(qiáng)，將非平坦區(qū)域中分布集中的灰度充分?jǐn)U展到整個(gè)灰度范

49、圍，提高圖像對(duì)比 度，再現(xiàn)模糊的圖像細(xì)節(jié)；然后通過(guò)距離變換對(duì)各平坦區(qū)域邊緣進(jìn)行漸變處理， 消除邊界效應(yīng)，最后對(duì)處理所獲取的圖像進(jìn)行信息融合，從而達(dá)到改善圖像質(zhì) itraf 智能交通系統(tǒng) 47 / 67 量、提高圖像景物清晰度的目的。 4.5.2.1.退化圖像的增強(qiáng)退化圖像的增強(qiáng) 對(duì)于霧天條件的退化圖像來(lái)說(shuō)，只要將圖像景物影像的對(duì)比度作適當(dāng)?shù)奶?高，就可達(dá)到清晰化的目的。但由于不同深度的物體在霧中呈現(xiàn)出的差異較大， 而當(dāng)圖像中景物深度未知時(shí)，則無(wú)法使用大氣模型對(duì)退化圖像進(jìn)行復(fù)原，因此 可采用局部直方圖均衡化的方法來(lái)改善圖像各區(qū)域?qū)Ρ榷龋瑢⒏骶植繀^(qū)域內(nèi)的 景物看作位于同一深度，這樣就可對(duì)不同深度的目標(biāo)物有不同的適應(yīng)性，并且 不會(huì)產(chǎn)生塊效應(yīng)。設(shè)圖像 f 的大小為 mn，結(jié)果圖像為 g，移