论文部分内容阅读
车辆检测是智能交通系统(intelligent transportation system,ITS)的重要组成部分,因此基于视频的车辆检测器成为智能交通系统的研究热点并得到越来越广泛的应用。视频车辆检测系统能很好的获取交通参数,且安装和检修便利,具有事故侦测和视频监控等优点。白天视频检测技术已经有大量学者做了很多工作,且检测技术已经发展成熟,能满足城市智能交通系统的需要,然而夜间照明度低和光线反射是视频车辆检测器实现全天候工作的最大难题。传统的夜间车辆检测主要从两个方面来克服夜间光线不足,各种光线干扰的影响:一是检测夜间车辆最明显的特征——车尾灯,该方法的鲁棒性不强,易受后面车辆车灯照射和车身边界反光的影响,交通信息的提取有限,对摄像头的装置角度和镜头区域有要求,且昼夜模式之间的转换是个难题;二是从摄像机本身出发,选择高性能具有红外捕捉功能的摄像机或是提高侦测区域照明条件获得车辆信息,该方法加大了系统开销,且系统的安装和维护难度加大。车辆本身在夜间视频图像中可识别信息量少,光照强度变化大,再加上路面各种光源的反射干扰,使得车型不易判断,导致运动目标提取困难,误检率也较高。为了更好地解决上述难题,本文提出一种包含帧间差和背景差结合背景更新的车灯配对跟踪的夜间车辆检测方法。首先,采用前述算法获取高亮度车灯区域,以消除夜晚光照强度急剧变化造成的光晕。其次利用车灯亮度、颜色、形状、位置、纹理等运动信息找出可能为车灯的亮点,然后再判断属于同一车的可能性,并进行车灯配对,最后设置虚拟检测线,针对路面上碰触虚拟检测线的一对亮点进行计数。实验结果表明:该算法简洁,帧处理速度快,具有较高的实时性、鲁棒性,即使在复杂天气(雨天,雪天,雾霾)和交通堵塞情况下,也有较高的检测率。本方法在夜间车辆检测的平均准确率在96%以上,能够满足城市道路及高速公路的实时检测需求。