大连交通大学2015届本科生毕业论文

1.5 本文章节概括

第一章：本章为绪论，主要介绍了基于OpenCV的车辆检测这一课题的来源及研究意义、国内外在这一领域的研究现状，从车辆检测角度概述了OpenCV的优势和特点，并对全文章节进行概括。

第二章：本章主要研究了基于视频的车辆检测技术的发展及趋势，通过对已有的视频车辆检测技术及其发展趋势的分析，说明基于OpenCV的视频车辆检测的优势和可研究性。

第三章：本章通过对车辆检测算法的分析，针对于一个道路交通视频做了图像预处理、背景提取与更新、前景目标检测等工作，为后续实验步骤提供理论基础。

第四章：本章介绍了完成实验的实验配置，并对整体实验结果进行分析和总结，提出实验过程中出现的问题及该方案的需要改进之处。

第五章：总结全文并分析基于OpenCV的车辆检测的发展前景。

1.6 本章小结

本章主要阐述课题的来源、目的和意义，同时对查阅的文献资料进行总结，

分析了车辆视频检测的国内外研究现状，概述OpenCV，叙述本文研究内容及以后各章节大致安排。

5

大连交通大学2015届本科生毕业论文

第二章 基于视频的车辆检测技术概述

2.1 引言

目前，无论哪个国家都存在着不同程度的交通困扰问题。因此，人们运用各种新技术，如信息技术、计算机技术、通信技术、控制技术等，将人、车、路紧密联系起来，以缓解交通阻塞问题，改善交通事故的应急处理、环境保护及能源节约的问题。因此，智能交通系统应运而生。这个系统可以归纳为，人们将现金的信息技术、数据通讯传输技术、电子控制技术、传感器技术以及计算机处理技术等有效地综合运用于整个交通系统，从而建立起一种在大范围内全方位发挥作用的实时、准确、高效的交通综合管理系统。其目的是使人、车和路密切地配合、和谐地统一，极大地提高交通运输效率、保障交通安全、改善环境质量和能源利用率。视频车辆检测技术在智能交通系统中占有重要地位，与传统的车辆检测方法相比，视频车辆检测技术不仅具有安装维护便捷且费用较低、可监视范围广等优点，同时通过对道路现场图像的智能化分析和处理，能够采集到所需要的多种交通流参数，在现代交通系统中得到了广泛的应用。

在上一章中，已经对视频车辆检测的国内外发展状况做的简要介绍，这一章中，将具体地研究视频车辆检测的发展历程，并分析其发展趋势，证明研究基于OpenCV的车辆检测技术的必要性。

2.2 视频车辆检测技术实例发展历程

1978年.美国JPT(加州帕萨迪纳市的喷气推进实验室)首先提出了运用机器视觉来进行车辆的检测的方法，指出其是传统检测方法的一种可行的替代方案。几年后，美国明尼苏达大学的研究人员研制了第一个可以投入实际使用的基于视频的车辆检测系统该系统使用了当时最先进的微处理器，在不同场景和环境下的测试结果良好，说明了利用视频传感器实时检测车辆的可行性。同期基于视频的车辆检测的研究也在欧洲和日本广泛展开此后十年间基于视频的车辆检测技术取得了长足的进步。

1991年，美国加州理工大学对在高速公路上运用视频方法的检测技术进行了评估，在评估报告中对当时采用的不同的视频车辆检测技术详尽地进行了分类。三年后，美国休斯飞机公司评测了当时存在的几种检测技术，包括视频检测技术，测评结果指出基于视频图像处理的车辆检测系统已经具备了投入实际使用的潜力。

1994年Mn/DOT(明尼苏达运输部)为FHWA(美国联邦公路局)进行了更详尽严格的测评，结果表明视频检测器的检测准确性和可靠性可以达到令人满意的程度同时随着视频车辆检测技术的发展，人们已不满足于检测出车辆，FHWA进一

6

大连交通大学2015届本科生毕业论文

步利用此技术来提取交通参数，如交通流量、十字路口的车辆转向信息等。

事实上，与其他几种车辆检测方法相比，基于视频的车辆检测技术具有直观、可监视范围广、可获取更多种类的交通参数以及费用较低等优点、因而可广泛应用于交叉路口和公路干线的交通监视系统中。

2.3 视频车辆检测技术未来趋势

（1）智能化

视频车辆检测技术经过多年的发展，检测精度、深度、范围等指标都有很大的提高，但系统的智能化程度还十分有限，距离“人脑”的判断能力还很远。

（2）视觉检测立体化

体视觉是计算机被动测距方法中最重要的距离感知技术之一。该方法可以克服单一视角由于遮挡或深度影响而容易产生的分歧，能够有效解决遮挡问题，扩大车辆检测的有效范围。

（3）网络化

进行区域交通系统状态特征提取和信息融合，实现区域交通状况的评价、预报和报警，建立区域交通系统状况的集成应用系统。

（4）低成本、集成化

目前视频车辆检测系统结构比较复杂、价格比较昂贵，这给视频检测技术的普及带来了一定的困难。今后应加大低成本、高性能、结构优化产品的研发，以增强视频车辆检测技术的市场竞争力。

2.4 本章小结

本章对基于视频的车连检测技术进行了综合性的概述，主要从实例发展历程方面进行阐述，同时分析了视频车辆检测技术未来的发展趋势。

综上所述，视频车辆检测技术在整个智能交通系统中的重要地位是时代发展必然性所决定的，而本文在第一章中已经介绍了OpenCV的优越性，接下来将具体讲述基于OpenCV的车辆检测的算法流程、实验测试和结果分析。

7

大连交通大学2015届本科生毕业论文

第三章 车辆检测算法设计

3.1 引言

从最早的 80 年代起至今，专家和学者们提出了许多卓有成效的车辆检测方法。总的来说，车辆检测的原理主要可以分为以下两类：宏观检测法和微观检测法。宏观检测法对整幅图像进行检测，而微观检测法主要针对图像的 ROI（感兴趣区域）进行检测。

宏观检测法对整幅图像进行检测，采用这种检测方法图像蕴含的信息量丰富，能把整幅图像中的所有车道的车辆都检测出来。车辆的一些行驶特征，如左转右转也能被检测出来，但是这种算法的缺点也是显而易见的。首先，由于是对整幅图像进行检测，必然导致处理的运算量大，系统开销大，在视频检测这种实时性要求极高的系统中使用必然造成严重的延时；其次，由于场景中包含如路边花坛、树木、红绿灯杆等大量的干扰比较严重的前景物体，容易成为干扰因素，引起检测时误差的增大；第三，整幅图像检测容易造成物体分割不明显，对静止的物体检测效率低下。

微观检测法则对图像的局部区域进行检测，包括有线性检测法和窗口检测法。线性检测法的原理是通过在图像的固定位置设置一条检测线，通过统计检测线的图像特征变化如灰度跳变、色彩突变来判断有无车辆通过。这种线式的检测方式运算量小、实时性好、检测精度也较高，但是由于其检测区域的限制，这种方式的鲁棒性不高，容易受光线变化的影响引起误检。窗口检测法的原理则是通过在图像的特定区域设置一个较小的检测矩形框，通过统计矩形框内的图像特征变化来判断车辆是否通过，和线性检测法相比，检测的区域要大些。

最常见目前运用最多的是区域检测法，该方法融合了宏观检测法和线式检测法的优点。它的检测原理是通过在图像设置若干处 ROI（感兴趣区域），通过检测区域内的图像特征达到判断有无车辆通过的目的，区域检测法通常有光流场法、帧间差分法和背景差分法几种。几种方法各有利弊，本文将运用背景差分法完成对交通视频中的车辆检测。

3.2 车辆检测算法流程图

本章是全文的重点章节，本章将对车辆检测算法的具体流程进行详细的介绍。主要包括读取视频、设定感兴趣区域、图像预处理、检测运动目标及背景参数的实时更新等几个部分。

如图3-1所示，主要工作是：

（1）获取视频帧：本文所用道路交通视频来自网络，是一个709KB的媒体文件（.avi），其视频时长为30秒，帧宽度为640mm，帧高度为480mm，数据

8