智能交通系统(ITS)已经被科学家认为是解决当前城市交通问题最有效的方法，也是目前和未来交通发展的主流方向。ITS的前提是获得交通道路的实时信息，比如车流量等。本文研究ITS中基于视频检测技术的车流量统计方法，对所涉及的运动目标检测、背景提取、阴影去除以及车辆统计等核心技术进行了代码实现。
首先，通过分析了样本图像，得出了运动车辆视频图像的基本特征，并为此选定图像预处理方法。同时，对运动车辆视频的背景进行检测及提取。
其次，本文根据城市道路图像中双黄线区域的特征，用变形Sobel算子加大双黄线区域纹理，分割出图像中双黄线区域粗略位置；应用最大类间方差和数学形态学方法求出满足纹理条件区域的二值图像，从而得到双黄线区域准确位置。
接着，本文利用基于背景帧差分法以及改进的高斯混合模型法对车辆运动目标进行跟踪检测，在高斯混合模型法分析速度较慢的情况下，而样本视频图像中，车辆运动的速度适中，基于此，本文主要应用背景帧差分法对监控视频进行分析，提取数据信息。
然而，在自然光照下的交通环境中，车辆阴影的存在是影响车辆检测的一个重要方面，很容易造成车辆的漏检和多检。因此，有必要专门对有车辆阴影的环境下对车辆检测算法进行研究，实现对车辆阴影造成误检影响的消除，于是本文运用了基于HSV颜色空间变换的阴影消除算法。
在运动车辆的检测、识别、跟踪和行为分析等方面展开分析时，尤其是在车辆识别方面，根据监控场景中车辆和行人、摩托车、自行车等目标在形状上的差异，对车辆进行识别；在这里，还涉及到行人等伪影的去处问题。
在行为分析方面，通过对运动车辆的逆行、压双黄线等道路违章行为进行抓拍，并将照片保存起来，以方便交通管理部门的后续工作。
最后，本文设计并实现了车道流量和不同车型的车流量信息采集。本文采用虚拟线圈法进行车流量统计和车型判断。通过统计虚拟线圈中像素点个数的变化来判断是否有车辆经过，分别统计各个车道的车流量及总车流量，通过车辆经过虚拟线圈的时间长短来判断车型。对车辆骑线行驶情况下车流量的准确统计算法拟开展进一步研究。
通过对运动车辆视频进行实验，证明了本文算法的正确性，达到了我们的期望值，具有很好的实用性。
关注“官方公众号”
