实时交通流参数检测,包括车流量统计、车道平均车速、车型分类、车道占有率等,在智能交通系统中起着重要的作用。交通流参数检测方式多样,交通流检测器有电磁感应线圈、超声波检测器、微波检测器和红外线检测器等多种方式,而其中基于图像处理的视频车辆检测方式近年来发展很快,由于它具有检测区域大、系统设置灵活等突出的优点,已成为智能交通系统领域的一个研究热点。 通常的视频检测强调二维图像的处理算法,包括车辆的识别、分割和跟踪等。本文致力于研究一种灵活、可靠的视频交通流参数检测系统。车辆的检测基于车道,在每个车道可以设置一条虚拟检测线和一个虚拟检测区域来检测交通流参数,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像信号转化为一维的检测信号。该方法的特点是只需对虚拟检测线区域内的图像进行处理,处理运算的图像区域小,且避开了在二维图像空间中进行复杂的车辆特征提取与车辆跟踪,因此减少了运算量,降低了运算负荷。 虚拟检测线(域)可以在视频图像中自由设置,并且位置和大小可以调整。各个虚拟检测线的输出信号源于背景差分。在处理过程中,对常用的背景差方法进行了改进,有效的保留了车辆目标信息;通过对常用的边缘检测方法比较,选用了突出边缘的Kirsch边缘检测方法对背景差后的图像进行了边缘检测;使用形态除噪算法对边缘检测的结果进行了噪声去除;提出了阴影边缘去除算法和基于检测线(域)的背景更新方法,阴影边缘去除算法有效的抑制了车辆阴影边缘,背景更新方法则提高了背景更新的精度。 本文还提出了一种从频率域出发,估计出运动车辆在空间域上位移的算法。利用傅里叶变换的自配准性质和位移特性,用极坐标形式下连续两帧车辆图像相位谱的差可直接估计运动车辆的位移,进而估计出车速v=s/△t。由于本算法分辩能力不低于一个像素,因而可用于车速的高精度测量。 利用本文提出的车辆计数和车速测量算法,对晴天和阴天两种典型天气条件下的交通流视频进行了实验,实验结果表明具有较高的车流量和车速检测精度。