伴随着经济的快速发展,车辆迅速增多,交通压力日益增大,如何改善交通状况成为各国的重要问题。智能交通系统在这种背景下得以迅速发展,各国都投入很大的精力研究。基于视频的智能交通系统由于其自身的众多优点,成为现在研究的热点。车辆的提取技术是基于视频的智能交通系统的基础,它在交通监视和控制中占有很重要的地位,直接影响到后续工作的难易程度和准确度。本文针对目前车辆提取中存在的几个难点问题分别进行了研究。 1,本文采用基于RGB空间的背景抑制方法来提取运动区域。通过本文提出的基于T分布的背景重建算法恢复出一帧不包含运动物体的背景图像,在进行车辆提取的同时对背景进行更新,使得背景图像能准确反映外界环境的变化,为准确提取运动车辆提供了保障。实验结果表明:相比其它算法本文的算法可以提取更完整的运动区域。并且本文考虑到环境光线发生突变的情况,为了在这种情况下正确提取运动车辆,二值化差图像时采用的阈值加上了灰度的平均变化。 2,提取的车辆区域包含阴影,会使车辆区域变大,距离较近的车辆会被阴影粘连到一起。本文研究了阴影去除的两种方法,分别是基于HSV空间的阴影去除方法和蓝波段信息阴影去除算法。 3,车辆发生遮挡和粘连的情况下,准确的提取每一辆车也是一大难点。本文尝试用两种方法去处理这个问题。一种是利用在LAB空间聚类的方法,此方法可以确定出区域中车辆数目,但是无法分割开每一辆车;另外对于一种常见的遮挡情况(本文定义为左右遮挡),我们给出了判断是否遮挡的依据,并通过分析发生遮挡的区域的形状区分割开其中的每一辆车,部分解决了遮挡问题。 在完成上述操作后,本文统计当前帧图像中的瞬时车辆数目,与单位时间内通过的车辆数目相比,能反映实时的交通状况,为交通控制提供依据。