公路视频中实时车流密度检测算法.pdfVIP

５卷第３２期２０１５年１１月科学技术与工程Ｖｏ１．１５Ｎｏ．３２ＮＯＶ．２０ｌ５

１６７１—１８１５（２０１５）３２—０１６８—０７ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ⑥２０１５Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ．

通信技术

公路视频中实时车流密度检测算法

王燕玲李广伦丁玉连林晓

（洛阳师范学院信息技术学院，洛阳４７１０２２；洛阳理工学院电气工程与自动化系，洛阳４７１０１３）

摘要公路上固定相机拍摄的视频中背景难以自动更新、运动目标难以快速准确识别和车流密度难以快速获得的问题，提

出了一种车流密度实时检测算法。首先，将统计直方图法和多帧平均法相结合，提出固定窗口背景自动更新算法来获得视频

的背景图像；其次，使用背景差分法获得前景区域、前景掩码和背景区域；第三，使用腐蚀和膨胀的方法去除微小区域，以及将

较大区域内部的空白点进行填充；第四，提出使用行扫描标记算法获得运动目标的最大矩轮廓，并消除运动目标的部分阴影；

最后，根据设定阂值过滤掉微小目标，统计瞬时车流量，并根据预设值计算车流密度。该系统使用ＶｉｓｕａＳｌｔｕｄｉｏ２０１０和Ｏｐｅｎ

ＣＶ实现，实时效果良好。

关键词固定窗口统计算法行扫描标记算法矩轮廓瞬时车流量车流密度

中图法分类号ＴＮ９４１．１；文献标志码Ａ

交通监控技术¨在事件检测、交通管理和时

１相关工作

间估计中起着至关重要的作用。目前，交通监控系

统分为两类：基于感应环探测器和基于视正确且快速地统计车流量是车流密度检测的前

频。基于感应环探测器应用比较成熟，但是需提。运动车辆的跟踪是一般车流量统计算法的基

要破坏路面；基于视频的交通监控系统具有响应速础。ＣｈｉｒａｇＩ．Ｐａｔｅｌ使用基于决策树的机器学习

度较快、易于安装、方便维护和监视范围比较广等优算法限制感兴趣区域，并使用Ｈａａｒ级联分类器和

点。基于视频的交通监控系统中车辆的速度、流量ＫＬＴ算法对运动区域的角点进行跟踪，从而实现车

和密度为后期应用（如智能控制交通信号等）提供辆的计数和分类功能。ＺｅｈａｎｇＳｕｎ提出使用ｃａ．

参数。车流密度通过计算车流量和估计监控视域内ｂｏｒ滤波器提取车辆的特征，并使用支持向量机

最大车数可得。监控视域内最大车数可以通过人工（ＳＶＭ）用于车辆检测。Ｈ．Ｙ．Ｃｈｅｎｇ＿６使用动态贝

方式进行设置，而车流量分为一般车流量和瞬时车叶斯网络模型对车辆进行跟踪。Ｔ．Ｈ．Ｃｈｅｎ对于

流量（或帧车流量）。一般车流量通过跟踪算晚上黑暗状态下司机打开前灯的视频信息进行分类

法获得，实时性能较差；瞬时车流量’ｍ计算每帧车

和检测。Ｊ．Ｍｅｌｏ使用卡尔曼滤波对车辆进行跟

辆数，实时性较好。计算车流密度使用瞬时车流量踪，使用聚类求得车道中心。这些方法都是基于跟

即可。踪的方法获得车流量，这些算法虽然可以较好地统

本文提出一种新的车流密度检测算法。首先提计一段时间之内的车辆数，但是实时性能较差。

出使用固定窗口背景自动更新算法自适应获取视频

周世付设置检测带，跟据车辆是否通过检测

背景；其次使用背景差分法获得当前帧的前景区域、

带来计算瞬时车流量，从而估计一般车流量。朱华

前景掩码和背景区域；第三提