统运用有限脉冲响应滤波更新背景，并结合背景差分法检测车车辆目标。它的优点是
在不同场景和环境下测试效果都良好。随后，美国波士顿学院的 Betke 等提出了一种
硬实时视觉系统。该系统结合颜色、边缘和运动信息来跟踪和识别道路边界、车道线、
车辆[6]
。它的优点是实时性好，不需要专门的硬件设备，多数情况下能准确地跟踪布
辆，但在背景与车辆灰度相似或夜晚交通拥挤时，车辆的初始轮廓将难以获得，跟踪
效果不理想。
视频车辆检测技术虽然在国内研究起步比较晚，但经过这些年的迅速发展，也取
得了很多研究成果，如中国科学院自动化研究所模式识别国家重点实验室谭铁牛研究
员从20世纪90年代初就开始研究基于三文模型的智能视觉监控系统，领导视觉监控
小组，针对系统中若干关键性问题像车辆检测、跟踪以及车辆行为分析，取得了一系
列的研究成果[7]
。同时目前也有不少公司在这方面作了许多努力，如清华紫光与清华
大学合作开发的新一代视频交通流量检测系统 VS3001，哈尔滨工业大学的 VTD2000
系列视频交通动态信息采集系统，亚洲视觉公司的路段交通信息系统等等。这些产品
大多数功能都比较单一，虽说有的也比较好的实现了视频检测的功能，但在实际的推
广当中效果并不明显。因此，我国在这方面的研究还要继续加强，不断开发和完善技
术，真正推出适合于国情的交通视频检测产品。
1.3  课题研究内容及方法
视频中车辆信息采集主要分为运动车辆检测及提取、运动阴影检测及去除、运动
车辆跟踪三部分。
1.3.1  运动车辆检测及提取
视频图像车辆检测中遇到的首要问题是如何在交通场景中提取运动车辆，即运动
车辆的检测。对于同定场景中运动车辆的检测，目前常用的动态目标检测方法有：背
景差分法、帧间差分法、光流法、立体视觉法和运动模型法。本课题的运动车辆检测
是建立在背景差分法基础上。我们利用虚拟区域法在车辆检测区内设置多条虚拟检测
线组成虚拟线存在检测器，并根据这些虚拟线的亮度值变化判断是否存在车辆。
背景差分法的基本思想是先形成交通场景的背景图像，再将待检测图像与背景图
像逐像素相减[8]
。差值图像中的非零像素点就表示了运动物体，最后运用阈值方法将
运动物体从背景中分离出来。首先对背景图像中每个像素点建立单高斯模型来初始化
背景。同时，我们需要实时更新背景来应对光照等外来干扰。对于背景的剧烈变化，
我们选取交通场景中的隔离带，房屋等绝对背景区域，再根据这些区域的平均灰度的
变化对背景进行调整[9]
。
虚拟线检测基本原理是在车辆识别区中设置虚拟的检测线，将虚拟线上灰度和背
景在这条线上灰度做差，设置合适的阈值判断线上是否有车辆存在。但在实际应用中，
由于光照条件的变化和车辆的不均匀等，车辆检测阈值难以准确地反映出车辆通过时
检测线灰度变化的情况。因此本系统采用由四条检测线组成的存在检测器，通过这几
条线的变化和关系更准确地检测车辆存在。
1.3.2  运动阴影检测及去除
运动车辆及其阴影常常被同时检测为运动前景，严重影响了车辆的形状。本课题
的车辆检测区域是根据车道来检测车辆的。当阴影的面积较小，不足以引起左右车道
误检和前后车辆粘连情况下，对于建立跟踪对象是没有影响的，我们可以不用考虑。 光电图像动态目标跟踪技术研究(3):http://www.youerw.com/wuli/lunwen_4269.html