智能交通中的车辆违章行为牌识别化工学院白武鑫学号：9131038603192014年5月一、研究背景智能交通系统(Intelligent Transportation System，ITS)源于日本和美国大规模道路交通运输智能化研究实验，起初这种研究主要进行道路功能和车辆智能化的研究，但是随着研究的不断深入，系统功能扩展到道路交通运输的全过程以及其相关服务部门，现在智能交通系统成为利用高新技术对传统的运输系统进行改造而形成的一种信息化、智能化、社会化的新型运输系统，它涵盖了电子技术、信息科技、模式识别、传感器技术等多门学科，是国家科研攻关的重点项目之一。

智能交通电子警察系统的发展，不仅对整个交通运输系统，而且对人们的生活方式和质量以及对社会的可持续发展，都将产生重要影响。

随着我国人均机动车保有量的快速递增，交通状况也日益受到人们的重视，如何有效地科学地实施交通管理，已成为中国政府和相关部门关注的焦点。

在一些大中型城市中，交通状况的管理水平对整个城市的发展尤为重要，而对违规车辆进行管理和监控则是其中一个极其重要的环节。

传统上对交通违章车辆监控主要是通过埋在地下的感应器或车轴传感器来实现，这些方法对路面有损坏，施工安装和维护都不方便。

随着视频技术的飞速发展和计算机运算速度的提高，基于计算机视频检测技术的交通监控系统已成为可能。

计算机视频检测与其它交通检测技术相比，主要特点是安装调试方便，不破坏路面，设备维护简单，不影响路面交通状况。

一个有效的交通监控系统，不仅可以提高交通系统的安全性，还可以提高道路的通行能力，同时，降低交通拥挤而造成的能源消耗和环境污染，因此建立一个高适应性、稳定性的交通监控系统势在必行。

随着现阶段智能交通的不断发展，建立这样一套视频检测和违规识别系统无论从实用角度还是从经济角度都具有非常好的应用前景。

如何有效地进行交通管理，越来越成为世界各国政府和有关部门所关注的焦点。

针对此问题，各种智能交通管理系统相继产生或者已在研发之中，而对违章车辆进行监控则是其中一个极其重要的环节。

传统上对交通违章车辆监控主要是通过埋在地下的感应线圈来实现，这种方法对路面破坏性大，施工和安装都不方便，并且要经常进行维修和维护。

随着视频技术的飞速发展和计算机速度的成倍提高，基于计算机视频检测技术的交通监控系统的实现己成为可能。

计算机视频检测较其它交通检测技术而。

苗主要特点是安装调试方便，对路面不会产生损坏，维护简单，不会对路面交通状况产生影响，并且可以得到很多交通信息。

二、解决方法由于普通的标清视频最高像素只有40万，包含的视频信息量较少，而高清视频分辨率有200万和500万，通过对高清视频的预处理，对运动车辆的检测和阴影消除，车辆轨迹的分析跟踪，车辆号牌的识别，最终对车辆交通行为的判定。

本文所研究的高清视频，针对安装在交通路口和重要路段的高清摄像机所拍摄的视频，为了保证视频质量，夜间需要对环境需要一定的补光，使24小时视频能够比较清晰的看清路口环境信息、车辆信息、车牌号牌信息。

目前，国内很多企业都有自主研发的ITS产品，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，深圳神州交通系统有限公司开发的VideoTrace'rM，厦f了恒深智能软件系统有限公司开发的HeadSun SmartViewer-II视频交通检测器，湖南天翼信息技术有限公司推出的智能交通视频图像处理系统，哈尔滨工业大学的VTD2000系列视频交通动态信息采集系统，亚洲视觉公司韵路段交通信息系统等等。

这些庶品大多数功能比较单一，虽能较好地实现视频检测的功能，但在实际应用中远没有达到预期效果。

视频检测是一个是以视频图像为分析对象，通过对设定的图像进行分析得出交通信息，主要包括：车流量、平均车速、占有率、车型等。

对这些数据的统计和管理可以有效的对整个城市的交通信息进行统筹和规划。

利用视频检测，除了可以提供一般的交通统计数据外，还可以进行事件检测，如交通阻塞、超速行驶、非法停车、不按道行驶、逆行等。

对于违规的事件，利用车牌识别系统可以对违规车辆进行记录和归档。

由于视频检测具备灵活性和多种附加功能，越来越受到人们的青睐。

目前，国际视频检测市场产品有：美国Autoscope、VTDS，Video Track-900、西门子的ARTEMIS、比利时的Trafition等违规识别主要是利用视频检测到的违规信息对违规车辆进行识别和记录的过程，车牌识别技术是智能交通研究的重要内容之一，它是和城市化进展、汽车普及、交通管理一起发展起来的，智能交通系统的核心就是车辆的信息化，准确无误地识别车辆。

在我国已经推广的汽车车牌是目前应用最广泛的车辆标识，正确的对汽车车牌进行识别是智能交通系统的重要组成部分。

基于视频检测的车牌识别技术则是把视频检测技术和车牌识别技术的统一化。

视频检测的关键是动态检测，即基于图像序列的检测，常用的方法主要有光流法、模板匹配法、特征匹配法、帧间差分法、背景差分法]等。

Koll等人在模板匹配法方面做了很多工作，他们首先根据先验知识，建立车辆的三维模型，然后将车辆模型用于车辆运动估计。

由于在现实中车辆的外形特征和运动特征多变，很难建立准确的模型，且模板匹配耗时长，所以在实际应用中，模板匹配法很难达到实时性，准确性也不高。

光流法的计算开销太大，不适用于交通流量的实时检测。

Smith和Brady在他们提出来ASSET一2系统中采用的是基础特征L匹配的运动检测方法，这种方法需要预先知道目标的外形特征，这在实际应用中往往是无法满足的。

帧间差分法虽然计算速度较快，但是损失了目标信息，而且容易受噪声的影响，检测精度和可靠性不高。

背景差分法被认为是最适合于交通视频中运动目标检测的方法，三、研究内容运动目标跟踪是一个融合图像处理、模式识别、自动控制、人工智能等多学科的高难度前沿课题。

在当今世界，随着现代科技的高速发展，运动目标跟踪技术已经在交通、生物医学、军事等领域得到了广泛的应用。

运动目标跟踪的目的是确定各运动目标的运动轨迹，其关键是在检测所得的静态前景目标和受跟踪的动态运动目标之间建立对应关系。

一般通过目标特征匹配的方法来实现对应关系的建立。

用于匹配的目标特征通常是那些与物理运动关系密切的特征，如位置，大小等，以及目标的形状和颜色等。

匹配时可根据各特征的重要性设置不同的权重系数。

目前，从跟踪对象来看，有跟踪刚体目标如车辆等和跟踪非刚体目标如人等：从跟踪视角来看，有对应于单摄像机的单一视角、对应于多摄像机的多视角和全方位视角；还可以从跟踪环境(室内或室外)、跟踪个数(单目标或多目标)、跟踪空间(--维或三维)、摄像机状态(固定或运动)等方面进行分类。

目前，常用于车辆跟踪的方法有：1．3D模型匹配法：D．Koller采用三维车辆模型跟踪车辆。

采用模型方法跟踪车辆，鲁棒性好，缺点是要求车辆有详细几何模型，但一般很难得到所有车辆的详细模型。

2．区域跟踪法：通过匹配的方法跟踪包含运动车辆的一个连通的区域。

在交通非常拥挤的情况下，车辆可能重叠在一起，很难分割出包含单个车俩的连通区域，此时这种方法实在难以实现可靠的跟踪。

．3．轮廓跟踪法：采用活动轮廓模型，首先提取目标轮廓，通过匹配动态更新的边缘轮廓的方法实现跟踪。

这种方法降低了区域跟踪所需的大量计算，但仍然不能克服车辆重叠的难题。

4．特征跟踪法：伯克利的D．Beyme和J．Malik等人采用跟踪车辆特征点的方法跟踪车辆，这种方法的优点在于即使车辆重叠在一起，也可以通过部分特征跟踪车辆。

四、运动物体检测算法运动物体检测是计算机视觉领域的重要研究课题之一，在汽车导航、工业控制、智能监控、人机交互等领域中有广泛的应用前景。

在现实生活中，运动物体携带了大量有意义的信息，因此将运动物体从实时变化的背景中快速而准确地分割出来是至关重要的。

在设计视频图像的运动物体检测算法时，检测算法应尽量满足下列条件：1．对环境的缓慢变化(如光照变化等)不敏感；2．应能够处理背景、前景目标和摄像机之间存在复杂相对运动的情况；3．对于复杂背景和复杂目标有效；4：能够适应场景中个别物体运动的干扰(如树叶的摇晃、雨雪纷飞等)：5。

能够去除目标阴影的影响；。

6．检测和分割的结果应满足后续处理的精度要求。

在实际应用时，根据应用场合设计不同的算法，这是因为至今还没有一种能够较好的处理各种情况的通用算法．大多数视频图像的运动物体检测和分割算法都是在一定应用假设条件下设计的，并且还要在算法的复杂度、精度和稳定性等方面综合考虑。

近年来，国内外学者对视频图像的运动物体检测技术进行了许多研究．目前比较常用的运动物体检测主体算法有三种：帧差分法、光流法和背景差分法。

（1）帧差分法帧差分法是基于视频图像序列相邻帧间强相关性的检测方法。

在摄像头固定的情况下，利用图像序列中前后几个相邻帧图像之间的差分来提取图像中的运动区域。

主要有相邻两帧图像差分和连续三帧图像间差分。

相邻两帧图像差分产生的噪声较大，且对于缓慢变化或者停止的运动目标经常漏检。

在相邻两帧图像差分的基础上提出连续三帧图像间差分，其公式为：基于相邻两帧图像差分(3．填(3．2)式可得连续三帧间差分计算公式(3．3)式，其中，和为相邻两帧间差分结果，为连续三帧间差分结果。

帧差分方法算法简单，受光线变化影响较小，有较强的自适应性，不需要考虑背景更新，不受应用环境限制，但是二般不能完全提取出所有相关的特征像素点，并且检测的精度受目标的运动速度影响。

在运动物体运动较慢，相邻帧图像有重叠的情况下，提取出的运动物体不太完整，在运动实体内部容易产生“空洞"现象；对于缓慢变化或停止的目标会漏检。

（2）光流法光流法，采用运动目标随时问变化的光流场特性，有效地提取和跟踪运动目标。

光流的概念是Gibson于1950年首先提出的。

光流是指图像中灰度模式运动的速度，是二维瞬时速度，是景物可见点的三维速度矢量在成像平面上的投影分量。

同时光流场携带大量有关观测物体的运动信息和结构信息。

通过对光流的分析可以确定摄像机与运动物体之间的相对运动和场景三维结构。

当视场中无运动物体时，则光流在整个视场里是连续变化的；然而当视场中有运动物体时，运动物体所形成的速度矢量和邻域背景的速度矢量式不同的，进而检测出运动物体的位置。

视频帧函数，I(i,j,t)是关于三变量横坐标i、纵坐标j，时间t连续函数。

假设t时刻图像上某点（i，j）的灰度值为I(i,j,t)，在t+△t出时刻这点运动到新的位置I(i+△i,t+△t)，其灰度值为I(i+△i,j+△j,t+△t)，根据灰度守恒假设，即在t+△t时刻像素点(i+△i,j+△j)的灰度值与t时刻像素点(i,j)的灰度值相等。