结论   24
致谢  25
参考文献26
 
图2.1  图像的中值滤波    5
图2.2  Sobel算子水平和垂直边缘卷积核  6
图2.3  图像二值化  8
图2.4  形态学处理前后图像对比  10
图2.5  连通域分析结果  11
图3.1-1  绝对区域13
图3.1-2  背景初始化和更新结果13
图3.2  存在检测器  14
图3.4  逻辑检测器  16
图3.5-1  投影法示意图  17
图3.5-2  车辆跟踪结果  22   
图3.6  检测跟踪流程图  22
1  绪论
1.1  研究背景及意义
近年来，国民经济持续高速增长的同时汽车业的也迅猛发展。伴随着机动车的持
有量急速增加，道路显得日益拥挤，严重影响了经济的持续高速发展。虽然修建和拓
宽道路能够缓解一部分道路的拥堵现象，但是修建道路需要花费巨额资金的同时也占
用了城市有限的空间[1]
。因此，积极完善各项基础设施的同时，在现有路况下实现对
车辆的有效监控，提高道路利用效率，成为有效解决目前交通拥堵问题的重中之重。
智能交通系统在此背景下应运而生，并成为了解决城市交通问题的关键手段。
交通信息采集是先进的智能交通管理设备得以正确控制与引导交通，提高交通安
全性和效率的前提[2]
。交通信息采集设备可以及时准确地获取交通信息，如车流量、
车速、车型分类、占道率、交通密度、车辆排队长度、车辆转弯、车辆停止或肇事情
况等信息，并提供给智能交通管理系统，从而完成对交通现场的有效管理。
目前，一种常用的获取交通信息的方法是利用红外线、环形磁感应线圈等传感器
来采集信息，它的实时性好，识别率高，计数较准确，但是也存在安装复杂，参数难
于调整，使用寿命短，后期文护成本高等缺点；另外就是基于计算机视觉的方法，对
车辆监测一直是计算机视觉研究的活跃领域，也是目前交通监控系统研究的热点。
基于视频的检测系统作为一种新兴的检测技术，已受到国内外的广泛重视。它是
通过摄像机采集道路视频图像，再利用数字视频处理技术获取道路交通信息。其优点
在于信息直观，信息量大，能够统计车流、跟踪车辆、划分车辆类型、估计车辆行驶
速度等；同时摄像机的画面可以作为监控的手段，监测违章驾驶、道路异常和事故，
并可通过图像处理的方法检测车牌识别车辆，以进行综合管理；单台摄像机和处理器
可用于多车道的监控，视野范围大[3] [4]
；而且摄像机安装在高处，受破坏的可能性较
小，使用和文护成本较低。但是这种方法实现难度比较高，难以适应道路现场多变的
环境因素和保证复杂算法的实时性，特别是在日益拥挤的路况条件下，路面背景复杂，
车辆的检测分割和跟踪技术的研究相对不足，导致以上问题更加突出[5]。
1.2  国内外研究现状
基于视频的车辆跟踪技术作为一种能提供交通量、速度等交通参数的技术已成为  
当前的研究热点。目前存在的基于视频的车辆跟踪方法有很多种，各种方法均有其优
缺点。
1978 年，美国 T(加州帕萨迪纳市的喷气推进实验室)首先提出了运动机器视觉
进行车辆检测的方法，并指出该方法是传统检测方法的一种可行的替代方案。1991
年，美国明尼苏达人学的 Michalopoulos 提出了一种基于视频的车辆检测系统。该系 光电图像动态目标跟踪技术研究(2):http://www.youerw.com/wuli/lunwen_4269.html